目标检测SSD相对于YOLO与faster-RCNN做了哪些改进？效果如何

答案:2 悬赏:20 手机版

解决时间 2021-02-07 19:40

提问者网友：焚苦与心
2021-02-07 14:02

最佳答案

五星知识达人网友：西风乍起
2021-02-07 15:16

但是由于运行selective—search实在是太慢，希望用更快的方法。
　　“直接上YOLO呗可以参考博文：物体检测-从RCNN到YOLO参考列表中”YouOnlyLo好Once“一项，包括YOLO的论文、视频、源码、使用方式。

全部回答

1楼网友：大漠
2021-02-07 15:29

faster rcnn用了整合了之前的rcnn啊，spp-net啊，fast rcnn啊这些网络的region proposal方式，提出了rpn，所谓rpn就是根据图像自身的色彩以及边缘信息等等来生成region proposal的一个网络，因此实现了end-to-end，但还是慢 yolo就是把原图划成7x7的小格子，在每个格子里对目标进行预测，相当于固定了region proposal的位置和大小，所以没有了rpn，加快了速度，但是准确率下去了 ssd用了yolo的思想，但是选了6个比例来对原图进行划分，这样就保证了大物体有大格子学，小物体有小格子学，不像yolo只有一种大小的格子，准确率也提高了（相对于yolo），速度也上去了（相对于faster，ssd也没有rpn步骤）

我要举报

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息