改写：Faster RCNN 使用 VGG16 作为骨架网络准确率和速度均有提升。主要创新点是使用 RPN 区域建议网络代替 SelectiveSearch 算法来生成候选框。RPN 区第二章 基于卷积神经网络的交通目标检测基本理论域中将一整幅图像输入到网络中得到特征图使用一个滑动窗口在特征图上进行滑动每次滑动到一个位置上就生成一个一维向量并在此基础上通过两个全连接层分别输出目标概率以及边界框回归

Faster RCNN采用VGG16作为主干网络，提升了准确率和速度。它的主要创新点是使用RPN区域建议网络来代替SelectiveSearch算法生成候选框。在基于卷积神经网络的交通目标检测基本理论中，将整幅图像输入到网络中得到特征图。然后在特征图上使用滑动窗口生成一维向量，并通过两个全连接层输出目标概率和边界框回归参数。该输出只将目标分为前景和背景两类，而不是具体分类。接着，将RPN区域建议网络生成的候选区域输入到连接的分类网络中进行分类和回归。Faster RCNN引入锚框的概念，在特征图上的每个特征点上预测多个建议框。这些特征点在原图中对应一个感受野区域，选取k个锚框有效地解决了多尺度检测问题。