Faster R-CNN：高精度检测的代表

Faster R-CNN 采用两阶段策略：先生成候选区域（RPN），再对每个候选框精细分类与回归。它的精度高于单阶段方法，在对准确率要求极高的医疗、遥感领域仍是首选。

Faster R-CNN 与 YOLO 的对比是工程取舍的经典教材：要精度还是要速度？答案是——看场景。医疗诊断愿意为 1% 的精度多等三秒，自动驾驶宁愿牺牲一点精度也要毫秒级响应。技术选择从来不是纯粹的技术问题。

## 核心要点

图片来源：Openverse / jurvetson（https://www.flickr.com/photos/44124348109@N01/9848225175）

1. RPN（区域候选网络）是它的核心创新，替代了慢速的搜索算法。

2. 两阶段流程用时间换精度，各有所长。

3. Mask R-CNN 在它基础上加上了实例分割。

4. 它的设计思想影响了一大类检测算法。

图片来源：Openverse / Rain Rabbit（https://www.flickr.com/photos/37996583811@N01/8916276368）

## 写在最后

以上是关于「Faster R-CNN」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。