rcnn论文翻译

㈠ fast rcnn 论文怎么看

怎样给一篇文章搭上一个好的框架，不但可以帮助我们确定要怎样写，同时也从一定程度上确定了我们在开头、主体和结尾分别应该写什么。孙子兵法云：“战势不过奇正，奇正之意，不可胜穷也。奇正相生，如循环之无端，熟能穷也。”作文结构是深层的东西，也是万变不离其宗的。我们的写人论文可以采用这样的结构：
1.引入：人物外貌描写+点明题旨
2.叙事：从不同的角度选取
3.揭题：详写最能体现人物思想内涵的一件事。

㈡ faster rcnn和ssd 中为什么用smooth l1 loss，和l2有什么区别

fast rcnn里写了这样一句话"...... 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之类的结果怎么计算

需要把py-faster-rcnn下的caffe-fast-rcnn迁移到Win下重新编译，主要是为了编译pycaffe

㈣ 在faster rcnn 怎么计算出precision，recall的

RCNN：RCNN可以看作是RegionProposal+CNN这一框架的开山之作，在imgenet/voc/mscoco上基本上所有top的方法都是这个框架，可见其影响之大。RCNN的主要缺点是重复计算，后来MSRA的kaiming组的SPPNET做了相应的加速。

Fast-RCNN：RCNN的加速版本，在我看来，这不仅仅是一个加速版本，其优点还包括：
(a) 首先，它提供了在caffe的框架下，如何定义自己的层/参数/结构的范例，这个范例的一个重要的应用是python layer的应用，我在这里支持多label的caffe，有比较好的实现吗？ - 孔涛的回答也提到了。
(2) training and testing end-to-end 这一点很重要，为了达到这一点其定义了ROIPooling层，因为有了这个，使得训练效果提升不少。