摘要：
1.降维或升维，减少参数量 通过1*1卷积核的个数，来控制输出的通道数也就是维度 通过一次卷积操作，W*H*6将变为W*H*1，这样的话，使用5个1*1的卷积核，显然可以卷积出5个W*H*1，再做通道的串接操作，就实现了W*H*5 对于某个卷积层，无论输入图像有多少个通道，输出图像通道数总是等于卷积 阅读全文
摘要：
RFCN的核心是通过修改roi pooling的位置，来增加共享参数的层，减少运算时间； roi pooling位置的影响如下： 越靠近 Input - 对应 ROI-Wise 检测子网越深，准确度也就越高； 越靠近 Output - 对应 ROI-Wise 子网越浅，针对每个 ROI 计算量就越小 阅读全文
