// ◉ 多模态与视觉

Faster R-CNN 目标检测

先由网络提出候选框，再分类并精修位置的两阶段检测器。

Faster R-CNN (Object Detection) 又名 R-CNN / Mask R-CNN / RPN 2015 进阶核心

通俗解释

第一阶段的区域建议网络（RPN）在特征图上滑动，给出可能有物体的候选框；第二阶段对每个候选框判断类别、微调边框。它把候选框生成也交给神经网络，速度和精度都大幅提升，是两阶段检测器的代表，Mask R-CNN 在它的基础上加了实例分割。

用在哪里：Detectron2、torchvision 中的标准检测器；工业质检、自动驾驶感知

时间轴 · 前置 → 当前 → 后继

1998 卷积神经网络2015 残差网络2015 Faster R-CNN 目标检测2020 DETR（Transfor…

01原始论文

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

Shaoqing Ren, Kaiming He, Ross Girshick, et al. · 2015

arXiv ↗ ✓ 已核实 · arXiv API

左边先学；右边是学完它之后可以学的。

Faster R-CNN 目标检测

左：前置 · 右：后继 · 虚线：相关。看完整关系图 →

官方文档、图解、课程和参考实现，链接都核对过。

给 AI 读 / 数据说明