作者：Prakashjay. 貢獻： Suraj Amonkar, Sachin Chandra, Rajneesh Kumar 和 Vikash Challa.
多謝您的閱讀，學習愉快。
原標題 ：Guide to build Faster RCNN in PyTorch
作者 | Machine-Vision Research Group
原文鏈接：https://medium.com/@fractaldle/guide-to-build-faster-rcnn-in-pytorch-95b10c273439
引言
Faster R-CNN是首次完全採用Deep Learning的學習框架之一。Faster R-CNN是基於Fast RCNN的思路，然而Fast RCNN卻繼承自RCNN，SPP-Net的思路（譯者注：此處理清楚先後關係）。雖然我們在構建Faster RCNN框架時引入了一些Fast RCNN的思想，但是我們不會詳細討論這些框架。其中一個原因是，Faster R-CNN表現得非常好，它沒有使用傳統的計算機視覺技術，如選擇性搜索等。在非常高的層次上，Fast RCNN和Faster RCNN的工作原理如下面的流程圖所示。
Fast RCNN和Faster RCNN
我們寫過一篇關於目標檢測框架的詳細的博客，可以作爲獨自編碼理解Faster RCNN的指導。
上圖可以看到唯一的區別是Faster RCNN中將selective search替換爲RPN(Region Proposal Network)，selective search算法採用SIFT和HOG描述子來生成目標候選，在CPU上2秒/張圖像。這一過程代價高，Fast RCNN在一張圖像上總共耗費2.3秒產生預測，Faster RCNN速度爲5 FPS（