Faster R-CNN 中预训练网络的目的是什么？答案

【问题标题】：What is the purpose of a pre-trained network in Faster R-CNN?Faster R-CNN 中预训练网络的目的是什么？
【发布时间】：2020-03-17 09:34:42
【问题描述】：

我无法理解预训练网络的目的。根据我的阅读，它用于 RPN 和分类网络。但我不明白怎么做。

【问题讨论】：

不是专家。我刚刚浏览了 Faster R-CNN 论文，它看起来像一个架构。想想f(x) = ax^3 + bx^2 +cx + d 和f(x) = 5x^3 - 3x^2 + 2。 f(x) = ax^3 + bx^2 +cx + d 是架构，f(x) = 5x^3 - 3x^2 + 2 是具有设定权重的模型（a = 5，b = -3，c = 0，d = 2）。因此，预训练的 Faster R-CNN 网络（因此得名）已经在一堆数据上进行了训练，现在您可以使用权重继续训练，但要根据您的数据。

标签： faster-rcnn conv-neural-network

【解决方案1】：

众所周知，CNN 的训练时间很长，尤其是对于更复杂且分辨率更高的模型。为了避免在高端 GPU 上进行训练，已经提供了预训练模型。然后，您只需对特定数据进行训练（假设您的数据与预训练数据相似）。例如，如果您想训练 CNN 识别高分辨率图像中的猫，您可能希望从识别狗的预训练模型开始。由于已经学习了许多相同的基本模式，并且您的所有培训需要做的就是区分猫和狗，因此培训应该花费很多，更少的时间。

【讨论】：