ROI Pooling

最新推荐文章于 2023-10-21 13:33:45 发布
最新推荐文章于 2023-10-21 13:33:45 发布
阅读量896 收藏
点赞数
分类专栏： 深度学习 文章标签： ROIPooling
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a940902940902/article/details/82990399
版权

RCNN
ref 1

步骤：
1.使用Selective Search方法生成候选区域
2.对每一个候选区域使用CNN进行特征提取
3.对提取到的特征送入到每一类的SVM分类器 判断该区域是否属于该类特征
4.使用回归器精修候选框的位置

在这里插入图片描述

候选框搜索阶段：
使用selective search方法生成候选框，由于CNN提取特征时需要输入的大小固定 但是生成的候选框大小是不固定的因此需要对候选框进行缩放操作

  1. 直接缩放 不管图像的长宽比例（各向异性缩放）
  2. 先将boundingbox边界向外扩展延伸成正方形再进行裁剪，如果延伸出原始图像边界则用均值进行扩充如图B
  3. 先裁剪出boundingbox 再使用均值扩充生成正方形图像
    在这里插入图片描述
    对于上述三种处理方法 在原文中提出一种padding处理的方法 即先在候选框周围向外扩展16个像素值 之后再进行上述1,2，3的操作 对应上图中的第二，第四行

CNN特征提取阶段：
正负样本划分： 根据标注的boundingbox与候选框之间的IoU面积确定候选框是属于正样本还是负样本
如果不是针对特定任务进行 fine tuning那么卷积层所学到的特征就是基础的共享特征提取层，而全连接层提取到的

最低0.47元/天 解锁文章
1只小包子
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ROI Pooling层解析
lanran2的博客
03-03 11万+
ROI Pooling的意义 ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling，他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定； 什么是ROI呢？ ROI是Region of Interest的简写，指的是在“特征图上的框”； 1）在Fast RCNN中， RoI是指Selective Search完成后得到的“候选框”在特征图上的映射
深度学习之 ROI Pooling
fenglepeng的博客
06-13 1万+
什么是ROI？ ROI是Region of interest的简写，指的是faster rcnn结构中，经过rpn层后，产生的proposal对应的box框。 ROIs Pooling顾名思义，是pooling层的一种，而且是针对ROIs的pooling。整个 ROI 的过程，就是将这些 proposal 抠出来的过程，得到大小统一的 feature map。 ROI Pooling 该层有两个输入： 从具有多个卷积核池化的深度网络中获得的固定大小的feature maps； 一个表示所有ROI的N*5的
ROI Pooling（感兴趣区域池化）
热门推荐
丿回到火星去
05-03 1万+
引言 感兴趣区域池化（Region of interest pooling）（也称为RoI pooling）是使用卷积神经网络在目标检测任务中广泛使用的操作。例如，在单个图像中检测多个汽车和行人。其目的是对非均匀尺寸的输入执行最大池化以获得固定尺寸的特征图（例如7×7）。 计算机视觉中的两个主要任务是对象分类和目标检测。在第一种情况下，系统应该正确地标记图像中的主要对象。在第二种情况下，它应该为图...
RoI Pooling详解
weixin_39568744的博客
04-11 7485
目标检测architecture通常可以分为两个阶段： （1）region proposal：给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置的bounding box。这些通常称之为region proposals或者 regions of interest（ROI），在这一过程中用到的方法是基于滑窗的方式和selective sear...
深度学习中的 PreciseRoIPooling 在linux系统中的编译说明及踩坑
爱挪威的小年轻博客
05-13 2293
PreciseROIPooling使用过程中的常见问题及解决方案
40_解释 ROI Pooling 和 ROI Align 的区别1
08-03
ROI Pooling 和 ROI Align 的区别 在目标检测网络 Faster R-CNN 和实例分割网络 Mask R-CNN 中，对候选框 ROI 中的固定数目特征的提取非常重要。 ROI Pooling 和 ROI Align 都是用于提取 ROI 中的特征，但是它们有...
ROI Pooling原理及实现1
08-04
ROI Pooling，全称为Region of Interest Pooling，是深度学习领域目标检测算法中关键的一环。这个技术主要解决的问题是，如何将不同尺寸的对象区域（regions of interest，ROI）转换为固定尺寸的特征向量，以便于...
无需RoI-Pooling的新型两门目标检测网络
04-15
无需RoI-Pooling的新型两门目标检测网络
Hi3559开发环境Ruyi Studio中caffe环境（包含roi_pooling）
03-29
type: "ROIPooling" bottom: "fc7" bottom: "rois" top: "roi_pooling_out" roi_pooling_param { pool: MAX output_dim: 7 spatial_scale: 1.0/16.0 # 将输入尺度映射到特征图尺度 } } ``` 3. 提供ROI数据...
PreciseRoIPooling:在论文“获取精确对象检测的定位置信度”中提出了具有坐标梯度支持的精确RoI池
04-28
此回购实现了精确的RoI池化（PrRoI Pooling），该论文在ECCV 2018（口头演示）上发表的论文``获取精确对象检测的定位信心''中提出。 获取定位置信度以进行精确的目标检测 江伯瑞*，罗瑞璇*，毛嘉元*，肖特特，姜...
【mmdetection】ROIExtractor中的featmap_strides和finest_scale
最新发布
yinglang19941010的专栏
10-21 348
也就是对于RCNN阶段，用来提取特征的特征层就是neck后给出的特征层的前len(self.featmap_strides)层x[:len(self.featmap_strides)]，而起始层不受self.featmap_strides的控制（也没有其它参数控制），但self.featmap_strides会影响ROIAlign时候rois和特征图的尺度映射，从这个角度上说。为什么这个变量影响这么大，下面查看代码进行分析。通过对下面代码的分析，可以知道，在RCNN阶段。
【深度学习小知识】ROI到ROI pooling 再到ROI Align
Leomn_J的博客
09-10 6938
ROI！RoI Pooling！ROI详解RoI Pooling详解Pooling操作ROI poolingROI Align详解 ROI详解 Region of interest(ROI),中文译为感兴趣区域。在计算机视觉领域，从输入的图像中框选处理待处理的区域就是ROI。 ROI / Region proposals大致过程： 输入一张图片 在图片中找到物体/目标（objects）的所有位置 输出/获得这些一系列的objects的bounding box. RoI Pooling详解 Pooli
RoI Pooling与RoIWrap Pooling与RoIAlign Pooling与Precise RoI Pooling
m_buddy的博客
12-19 3843
1. 前言 文章标题给出了四种Pooling的方法，这feature pooling方法是我在看论文的时候看到的，从最开的PoI Pooling到目前最新的Precise RoI Pooling由Pooling操作带来的检测精度影响越来越小。这篇文章目的是想梳理一下它们之间的区别与联系。 2. RoI Pooling 这种Pooling方法我是在Faster RCNN中看到的，该种Pooling方...
深度学习学习笔记——随手写
phily123的博客
09-02 379
卷积就是特征提取器，就是CBAPD。 FCN通常用在图像分割任务中，进行像素级的分类，缩写是full connect network,所有网络由卷积层构成没有全连接层。分割网络最后通过一个反卷积层将输出尺寸恢复到和输入尺寸大小一样。 python中的assert是断言函数，当满足某种条件时构造错误。 python中变量前的单下划线，双下划线，前后双下划线都有特殊意义。 添加链接描述 ...
mmdetecion官方github介绍模型主要由四部分组成：backbone, neck, head, 以及ROI extractor。
qq_33031419的博客
04-28 1074
mmdetecion官方github介绍模型主要由四部分组成：backbone, neck, head, 以及ROI extractor。 https://www.dazhuanlan.com/2019/12/11/5df090d7852e6/
目标检测特殊层 ROIpooling和ROI Align和ROI warp和PSROIPooling和PSROI-Align
女王の专属领地
06-04 1万+
1、RoI Pooling 实现从原图ROI区域映射到卷积区域最后pooling到固定大小的功能，然后通过池化把该区域的尺寸归一化成卷积网络输入的尺寸。 2、ROIAlign 上面RoI Pooling从原图ROI映射到卷积区域，即原图ROI与特征图ROI之间的映射，使用了stride间隔的取整，使得特征图ROI再映射回原图ROI的时候有stride的误差。尤其经过最大值池化后的...
ROI pooling的一系列介绍
a362682954的博客
01-09 472
1.SPP：https://blog.csdn.net/a362682954/article/details/85173693 2.是ROI pooling：https://www.cnblogs.com/wangyong/p/8523814.html 和ROI Align： https://blog.csdn.net/WZZ18191171661/article/details/794537...
扩展PyTorch
人工智能
04-12 7154
本篇文章中包含如何扩展 torch.nn, torch.autograd和 使用我们的 C 库编写自定义的C扩展。 扩展 torch.autograd 如果你想要添加一个新的 Operation 到autograd的话，你的Operation需要继承class Function。autograd使用Function计算结果和梯度，同时编码 operation的历史。每个新的
roi pooling
05-18
ROI pooling（Region of Interest pooling）是一种在深度学习中常用的技术，主要应用于目标检测任务中的RoI（Region of Interest）特征提取。RoI pooling的输入是一个特征图和感兴趣区域（RoI），输出是RoI对应的固定大小的特征图，这个特征图可以作为后续分类器的输入。 RoI pooling的主要思想是将RoI区域划分成固定大小的子区域，然后对每个子区域进行max pooling操作，得到该子区域的特征值。最后将所有子区域的特征值堆叠起来形成RoI的特征向量。 RoI pooling的好处是可以在输入特征图的不同位置提取RoI的特征，而不需要对整张特征图都进行特征提取，从而减少计算量和内存占用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值