在CV领域，两阶段通常指两阶段目标检测算法，俗称2-stage。
以最为经典的2-stage算法Faster R-CNN为例进行说明：
第一阶段是为了区分前景和背景，仅做二分类，同时回归得到前景所在的区域范围，称作RoI(Region of Interest)，通常用矩形框表示，俗称bbox (bounding box)；
第二阶段利用RoI在CNN提取的特征图上抠取对应范围的特征，再次进行分类和回归预测。不同于第一阶段，此处的分类是多分类，需要区分出不同物体类别(而非仅仅是前景和背景)。而回归则是预测出物体所在的位置，通常也是用bbox表示。
可以将第二阶段理解为对第一阶段的精调：第一阶段仅仅做个“粗略”的预测，为的是尽量保持召回率(即尽量不要漏掉任何前景)；第二阶段在第一阶段预测的基础上结合CNN提取的特征做进一步调整和预测，使得最终预测的结果更为精确。
通常来说，两阶段算法的精度较一阶段算法高，但在推理速度上却比不过后者。
以Faster RCNN为例的话，第一个阶段是Anchor Proposal 第二个阶段是框回归。你也可以理解为是两个模型混合。标签：预测,回归,算法,意思,阶段,深度,CNN,第一阶段 来源： https://www.cnblogs.com/xiaochouk/p/16443212.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。