相比于SPP,实际上就是用了一层确定输出大小的pooling层,然后后面识别与定位一起training。
在调优训练时,每一个mini-batch中首先加入N张完整图片,而后加入从N张图片中选取的R个候选框。这R个候选框可以复用N张图片前5个阶段的网络特征。
实际选择N=2, R=128。
对比回来SPP-Net,可以看出FRCN大致就是一个joint training版本的SPP-Net,改进如下:
SPP-Net在实现上无法同时tuning在SPP layer两边的卷积层和全连接层。
SPP-Net后面的需要将第二层FC的特征放到硬盘上训练SVM,之后再额外训练bbox regressor。
优点:
1、更高的mAP较RCNN和SPP
2、分类和定位一次性完成
3、训练的时候更新整个网络
4、不需要磁盘存储特征