R-CNN 非 end-to-end 與速度慢的關聯是什麼? - Cupoy

2020/08/06 下午 08:04

電腦視覺深度學習討論版

Flora

觀看數：32

回答數：2

收藏數：0

d24

r-cnn

 D24 提到 "R-CNN 經過 CNN 得到 feature map，再⽤用這些 feature 當成 SVM 的 input 當成訓練資料，因此並不是⼀一個 end-to-end 模型 ( SVM 的 LOSS 並不會改動到 feature map 的數值) " 是速度慢的原因之一。

請問以上這點跟速度慢的關係是什麼呢？

回答列表

• 2020/08/14 上午 10:13
  Jeffrey
  贊同數：0
  不贊同數：0
  留言數：0

  這個應該是說, RCNN 多做了 region 的選擇, 這個選擇是已SVM 達成, 跟一般CNN直接輸出feature map 後, 做model fit 不同, 所以時間, 在同一個 dataset 上比較久

• 2020/08/20 下午 00:55
  楊哲寧
  贊同數：0
  不贊同數：0
  留言數：0

  End-to-end 會比較快的原因在於所有的參數是可以連續傳遞與訓練的，tensor在 structure中能不間斷地傳遞到下一層，然而當此時模型不是end-2-end時，我們需要先等待features從第一個model中output，再拿這個output放入第二個model中，這個步驟其實算是較為費時的。

  然而R-CNNN速度較慢的原因還包括Region Proposal的設計等，不是end-2-end只是其中一個原因。