Я новичок в ML и особенно в алгоритмах обнаружения объектов. Я пытался понять YOLO и Faster RCNN, и в настоящее время я ищу несколько ответов. Как я понял, одно из основных отличий заключается в том, что YOLO предсказывает ограничивающие рамки из целого изображения (я имею в виду, что он видит карту полнофункциональных объектов из слоя конвора и может делать более точные и точные прогнозы ограничивающих рамок для больших объектов), в то время как сеть предложений регионов в более быстром RCNN не делает этого. не имеет полного контекста изображения и делает предсказания ограничивающих рамок для части изображения, например, если разрешение изображения составляет 600x800, он будет делать предсказания ограниченных рамок для каждой части 20x20, просматривая элементы только из этой части изображения, поэтому если на изображении будет объект размером 500x700 пикселей, YOLO обнаружит его более точно, в то время как RPN может даже игнорировать его? И если я хочу улучшить это для Faster RCNN, что мне нужно делать с RPN?