14年的RCNN主要是一个观点

分析的原文
用来做目标检测和语义分割的神经网络。
观点：缺乏大量的标注数据时（maybe数据库小），比较好的可行的手段是，进行神经网络的迁移学习，采用在其他大型数据集训练过后的神经网络，然后在小规模特定的数据集中进行 fine-tune 微调。
迁移学习：在深度学习中，所谓的迁移学习是将一个问题A上训练好的模型通过简单的调整使其适应一个新的问题B。在实际使用中，往往是完成问题A的训练出的模型有更完善的数据，而问题B的数据量偏小。而调整的过程根据现实情况决定，可以选择保留前几层卷积层的权重，以保留低级特征的提取；也可以保留全部的模型，只根据新的任务改变其fc层

标签：14,训练,模型,保留,学习,神经网络,RCNN,迁移,观点
来源： https://www.cnblogs.com/icemiaomiao3/p/15043731.html