Deep learning 一个地区的CNN和R-CNN特征

我有一个图像数据集，图像中的区域周围有边界框。我不需要R-CNN来检测数据集中给定的区域，但我需要提取这些区域的特征。所以，我的问题是，如果我从图像中提取每个区域并将其作为独立图像处理，然后将其传递给CNN以提取该区域的特征，这与使用R-CNN提取这些区域的特征相同吗？简言之，从CNN中提取的每个区域的特征或从R-CNN中提取的特征哪个更好？

---

如果使用R-CNN更好，我如何从我的数据集和R-CNN中识别区域？

是的，您可以使用以下脚本从图像中提取每个区域：

注意：您必须从以下位置下载示例图像：

输入图像

图像的输出区域

---

也许我的问题不清楚，我的意思是提取区域并将其传递给CNN以获得特征，这与从R-CNN获得相同区域的特征类似。简言之，从CNN中提取的区域特征或从R-CNN中提取的特征哪个更好，或者它们是相同的？

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

img = Image.open('_109100470_ed01bd7f-0c64-4f6b-9d29-f43261119ade.jpg')
plt.imshow(img)
plt.show()

data = np.asarray(img)
print(type(data))

roi = data[100:500,450:900,:] # here you can mention the region of interest(roi)
plt.imshow(roi)
plt.show()

roi_image = Image.fromarray(roi)
roi_image.save('test.jpg') #save the roi to the destination folder