R-CNN 非 end-to-end 與速度慢的關聯是什麼?
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 10:13Jeffrey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。