rcnn論文翻譯

㈠ fast rcnn 論文怎麼看

怎樣給一篇文章搭上一個好的框架，不但可以幫助我們確定要怎樣寫，同時也從一定程度上確定了我們在開頭、主體和結尾分別應該寫什麼。孫子兵法雲：「戰勢不過奇正，奇正之意，不可勝窮也。奇正相生，如循環之無端，熟能窮也。」作文結構是深層的東西，也是萬變不離其宗的。我們的寫人論文可以採用這樣的結構：
1.引入：人物外貌描寫+點明題旨
2.敘事：從不同的角度選取
3.揭題：詳寫最能體現人物思想內涵的一件事。

㈡ faster rcnn和ssd 中為什麼用smooth l1 loss，和l2有什麼區別

fast rcnn里寫了這樣一句話"...... L1 loss that is less sensitive to outliers than the L2 loss used in R-CNN and SPPnet."

㈢ py-faster-rcnn中的，mAP recall之類的結果怎麼計算

需要把py-faster-rcnn下的caffe-fast-rcnn遷移到Win下重新編譯，主要是為了編譯pycaffe

㈣ 在faster rcnn 怎麼計算出precision，recall的

RCNN：RCNN可以看作是RegionProposal+CNN這一框架的開山之作，在imgenet/voc/mscoco上基本上所有top的方法都是這個框架，可見其影響之大。RCNN的主要缺點是重復計算，後來MSRA的kaiming組的SPPNET做了相應的加速。

Fast-RCNN：RCNN的加速版本，在我看來，這不僅僅是一個加速版本，其優點還包括：
(a) 首先，它提供了在caffe的框架下，如何定義自己的層/參數/結構的範例，這個範例的一個重要的應用是python layer的應用，我在這里支持多label的caffe，有比較好的實現嗎？ - 孔濤的回答也提到了。
(2) training and testing end-to-end 這一點很重要，為了達到這一點其定義了ROIPooling層，因為有了這個，使得訓練效果提升不少。