Fast R-CNN算法实现

学习论文Fast R-CNN，实现Fast R-CNN算法，完成目标检测器的训练和使用

• 背景
• 安装
• 用法
• 主要维护人员
• 致谢
• 参与贡献方式
• 许可证

Fast R-CNN在R-CNN的基础上进一步发展，能够实现更快的训练和检测

本文提出一种快速的基于区域的卷积神经网络目标检测方法（Fast R-CNN）。Fast R-CNN在之前工作的基础上，利用深度卷积神经网络对目标方案进行有效分类。与以往的工作相比，Fast R-CNN在提高训练和测试速度的同时，也提高了检测精度。Fast R-CNN使用VGG16网络，训练速度比R-CNN快9倍，测试速度快213倍，同时在PASCAL VOC 2012上实现了更高的mAP。和SPPnet相比，Fast R-CNN使用VGG16网络，训练速度快3倍，测试速度快10倍，同时更加精确

需要预先安装以下工具：

$ pip install mkdocs

有两种使用方式

1. 在线浏览文档：Fast R-CNN

2. 本地浏览文档，实现如下：

   $ git clone https://github.com/zjZSTU/Fast-R-CNN.git
   $ cd Fast-R-CNN
   $ mkdocs serve
   

   启动本地服务器后即可登录浏览器localhost:8000

• zhujian - Initial work - zjZSTU

@misc{girshick2015fast,
    title={Fast R-CNN},
    author={Ross Girshick},
    year={2015},
    eprint={1504.08083},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

欢迎任何人的参与！打开issue或提交合并请求。

注意:

• GIT提交，请遵守Conventional Commits规范
• 语义版本化，请遵守Semantic Versioning 2.0.0规范
• README编写，请遵守standard-readme规范

Apache License 2.0 © 2020 zjZSTU