R-CNN目标检测算法详解：原理、优势与局限

R-CNN是第一个提出基于候选区域的目标检测器的算法。该算法通过Selective Search算法[61]提取大量的候选区，并初步区分出目标范围和背景。随后，卷积神经网络被用来提取这些候选区域的特征。最后，将特征输入SVM进行分类，并利用回归对候选框进行微调。R-CNN检测器的平均精度比当时最好的检测算法要高出近30%。然而，R-CNN对于每个候选框都需要提取一次特征，且由于候选区的大量重叠，导致存在大量冗余计算，从而导致检测速度较慢。