Каковы основные различия между R-CNN и более поздними архитектурами в компьютерном зрении?

Некоторые различия между R-CNN и более поздними архитектурами в компьютерном зрении:

• Обработка изображения. habr.com R-CNN для каждого регионального предложения проводил отдельный прогон через свёрточную сеть, что делало процесс очень медленным. habr.com Более поздние архитектуры, например Fast R-CNN, обрабатывают всё изображение одним проходом через сеть, что значительно ускоряет процесс. habr.com
• Метод локализации объекта. python-school.ru R-CNN использует Selective Search, который не является алгоритмом машинного обучения, поэтому могут возникнуть проблемы с выявлением потенциальных объектов на разных изображениях. python-school.ru Более поздние архитектуры, такие как Faster R-CNN, разработали собственный метод локализации объекта — RPN (Region Proporsal Networks), в основе которого лежит система якорей. python-school.ru
• Дополнительные возможности. neerc.ifmo.ru R-CNN использует предсказания регионов, что позволяет обеспечивать хорошую точность, но может быть очень медленным для некоторых сфер, таких, как беспилотное управление автомобилем. neerc.ifmo.ru Более поздние архитектуры, например Mask R-CNN, обеспечивают возможность сегментации экземпляров объектов, а не только составление ограничивающих рамок с классификацией. neerc.ifmo.ru
• Подход к детекции объектов. habr.com R-CNN и его модификации относятся к двухстадийным детекторам, которые сначала выделяют области-кандидаты, а затем уточняют их классификацию и границы. habr.com Более поздние архитектуры, такие как SSD, выполняют задачу за один проход, одновременно предсказывая классы и границы объектов, что делает их быстрыми, но менее точными для мелких или плотно расположенных объектов. habr.com