その他令和8年1月9日

R-CNN Algorithm Details (Figure 2-2 Description)

掲載日
令和8年1月9日
号種
本紙
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

R-CNN Algorithm Details (Figure 2-2 Description)

令和8年1月9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
官
随着深度学习的发展, 基于深度学习的目标检测算法逐渐取代了传统的目标检测算法。根据是否使用候选区域, 可以将基于深度学习的目标检测算法分为两类: 一类是基于候选区域的 Two-stage 目标检测算法; 另一类是不使用候选区域的 One-stage 目标检测算法。
1. Two-stage 目标检测算法
Two-stage 目标检测算法首先产生一系列稀疏的候选区域, 然后利用卷积神经网络对候选区域进行分类和回归。R-CNN ${ }^{[27]}$ 是 Two-stage 目标检测算法的典型代表, 其流程如图 2-2 所示。
图 2-2 R-CNN 流程图
R-CNN 首先利用选择性搜索 (Selective Search) 算法从输入图像中产生约 2000 个候选区域, 然后将这些候选区域缩放成相同大小并输入到卷积神经网络中提取特征, 最后利用支持向量机 (Support Vector Machine, SVM) 对提取的特征进行分类并利用边界框回归 (Bounding Box Regression) 对候选区域的位置进行修正。
由于 R-CNN 需要对每个候选区域单独进行特征提取, 因此其计算量较大且检测速度较慢。为了解决这个问题, He 等人提出了 SPP-net ${ }^{[28]}$, 通过引入空间金字塔池化 (Spatial Pyramid Pooling, SPP) 层使得卷积神经网
読み込み中...
R-CNN Algorithm Details (Figure 2-2 Description) - 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 →