その他令和8年1月7日

基于深度学习的目标检测算法 (R-CNN系列)

掲載日
令和8年1月7日
号種
号外
原文ページ
p.10
出典：官報発行サイト（内閣府）の掲載情報をもとに整理しています。重要な確認は公式原文を基準にしてください。

本文と原文の対照

まず左側の本文を読み、必要な箇所だけ原文ページで確認できる構成です。

← 同日の官報に戻る
原文対照の表示オプション

基于深度学习的目标检测算法 (R-CNN系列)

令和8年1月7日|p.10

左の本文を選ぶと、右側の官報原文画像で該当箇所を照合できます。

公式原文あり本文テキスト画像照合可誤りを報告
### 2.2.2.1 R-CNN 系列算法
R-CNN（Region-based Convolutional Neural Networks）是 Ross Girshick 等人于 2014 年提出的一种目标检测算法。该算法首先使用选择性搜索（Selective Search）生成候选区域，然后将这些区域输入到 CNN 中提取特征，最后使用 SVM 进行分类和边界框回归。R-CNN 的缺点是计算量大，速度慢。
为了解决 R-CNN 的计算量大的问题，Ross Girshick 等人于 2015 年提出了 Fast R-CNN。Fast R-CNN 将候选区域的特征提取和分类整合到一个网络中，从而提高了检测速度。此外，Fast R-CNN 还使用了多任务损失函数，同时优化分类和边界框回归。
尽管 Fast R-CNN 提高了检测速度，但其仍然依赖于选择性搜索生成候选区域，这限制了其进一步的速度提升。为此，Ross Girshick 等人于 2015 年提出了 Faster R-CNN。Faster R-CNN 引入了区域提议网络（Region Proposal Network, RPN），用于生成候选区域，从而实现了端到端的训练和检测。
読み込み中...
基于深度学习的目标检测算法 (R-CNN系列) - 第10頁
テキスト領域
選択中
非公開 (PII)
関連する新着公告を見逃さないために

Pro プランでは会社名・機関名・キーワードを監視条件として保存し、新着掲載を継続確認できます。14日間無料で試せます。

監視機能の詳細を見る →