Faster RCNN

目标检测有2种，一种是one stage目标检测，比如YOLO，SSD，Retina-Net；另外一种是two stage，比如RCNN家族，SPP net等。

YOLO v3项目文章：

https://blog.csdn.net/kui9702/article/details/122954209

https://blog.csdn.net/kui9702/article/details/123140249

https://blog.csdn.net/kui9702/article/details/123620597

https://blog.csdn.net/kui9702/article/details/123696635

本章是关于RCNN 家族成员：Faster RCNN。对于它的介绍有很多很好的文章：

https://zhuanlan.zhihu.com/p/31426458

这篇只写一些Faster RCNN的过程、训练结果，想要看代码注释可以关注我的另外一篇：

https://blog.csdn.net/kui9702/article/details/124074650
Faster RCNN 简单流程

训练结果，训练代码可以在我上面提供的代码解析里获取，这里的结果与之前yolo v3实战进行对比

从结果上看(左边是Faster RCNN,右边是yolo v3),Faster RCNN比yolo v3看起来好一些，但是有较多错捡，之后调参还有花费很多时间(比如分数过滤，迁移训练，调整超参数等等，有时间调整后再发新的结果)。这并不是实际的业务场景，具体的话还得看实际业务场景比较之后才能看出来(YOLO 还没用上yolo v5)
-----------------20220411-----------------
在昨天的基础上添加分数过滤，效果比之前好了很多