CV / 视觉生成 · 2015 · Faster R-CNN
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
Shaoqing Ren et al.
用区域建议网络共享卷积特征，连接候选框生成与检测。
目标检测RPN两阶段检测
复现空间 · 建议计划
进阶 · 权重评估 · 编辑建议，尚未实测
最小实验目标
评估公开检测权重并检查 RPN proposals、NMS 和阈值影响。
数据集 / 环境
PASCAL VOC 或 COCO，选择与权重匹配的协议。
评估项
- mAP
- Recall
- 推理延迟
边界与常见偏差
VOC AP50 与 COCO AP 不是同一个指标；旧 Caffe 实现可能需要隔离环境。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。