Tensorflow object detection API 源码阅读笔记：RFCN

最新推荐文章于 2021-10-23 09:08:47 发布

Wayne2019

最新推荐文章于 2021-10-23 09:08:47 发布

阅读量2.5k

点赞数

分类专栏： TensorFlow 文章标签： TensorFlow R-FCN faster-r-cnn 深度学习目标检测

本文链接：https://blog.csdn.net/Wayne2019/article/details/78811004

版权

基于Faster R-CNN，本文深入探讨Tensorflow实现的RFCN目标检测算法，结合源码进行详细解读，并提及MXNet中可变形R-FCN的应用。

摘要由CSDN通过智能技术生成

有了前面Faster R-CNN的基础，RFCN就比较容易了。

"""object_detection/meta_architectures/rfcn_meta_arch.py
The R-FCN meta architecture is similar to Faster R-CNN and only differs in the
second stage. Hence this class inherits FasterRCNNMetaArch and overrides only
the `_predict_second_stage` method
"""

改动比较大的地方如下：
    box_predictions = self._rfcn_box_predictor.predict(
        box_classifier_features,
        num_predictions_per_location=1,
        scope=self.second_stage_box_predictor_scope,
        proposal_boxes=proposal_boxes_normalized)
只改动了这么一点的原因是代码实现和原始paper不是完全一致的，见作者的paper：3.4. Training and hyperparameter tuning。
另外注意，在faster r-cnn中，是先经过ROI poooling，然后进入第二阶段特征提取器。而在rfcn中，是先进行第二阶段特征提取，然后进入RfcnBox