bestrivern的博客

这一部分主要包含几个重要的函数，下面详细介绍：1.计算bbox回归要用到的几个参数dx,dy,dw,dh# calculate the four regression value of the ex_rois to the gt_roisdef bbox_transform(ex_rois, gt_rois): # calculate the width and height...

这层并不会被用在测试中，只会在训练中起作用,用于cls和reg的loss的回传bbox inside weights用来设置正样本回归loss的权重，默认为1(负样本为0)（负样本为0，即可以区分正负样本是否计算 loss）原文中，正样本计算回归 loss，负样本不计算（可认为 loss 为 0）。2. bbox outside weights用来平衡 RPN 分类 Loss ...

Python代码：def bb_intersection_over_union(boxA, boxB): boxA = [int(x) for x in boxA] boxB = [int(x) for x in boxB] xA = max(boxA[0], boxB[0]) yA = max(boxA[1], b...

一.概述首先放一张faster r-cnn的结构图。经过R-CNN和Fast R-CNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整...

一．概述 在目标检测中，常会利用非极大值抑制算法(NMS)对生成的大量候选框进行后处理，去除冗余的候选框，得到最具代表性的结果，以提高目标检测的效率。即如下图所示，消除多余的候选框，找到最佳的bbox。 二．NMS算法详解NMS算法的核心思想如下：根据候选框...

proposal_layer负责综合所有的变换量和foreground anchors，计算出精准的proposal，送入后续RoI Pooling Layer。Proposal Layer forward(前向传递函数)按照以下顺序依次处理：1.生成anchors，利用对所有的anchors做bbox regression回归（这里的anchors生成和训练时完全一致）2.按...

这部分是region proposal network，首先网络结构如下图所示： 首先对于feature map先做一个3*3的卷积，然后分为两段： 第一段对于bg/fg做一个二分类的softmax回归，对于每一个anchor得到一个分类的score,第一次reshape是为了将用于softmax回归的bg和fg这两个维度单独分离出来，即是[b...

这部分主要是生成anchors，基本思路是首先确定一个base_anchor,然后根据ratios=[0.5,1,2]，生成3个anchors，每一个生成的anchor再根据scale=2**np.arange(3,6)生成3个anchor，所以总共生成了9个anchor1.获得一个anchor的w,h,x_ctr,y_ctr# Return width, height, x cente...

roidb是比较复杂的数据结构，存放了数据集的roi信息。原始的roidb来自数据集，在trian.py的get_training_roidb(imdb)函数进行了水平翻转扩充数量，然后prepare_roidb(imdb)【定义在roidb.py】为roidb添加了一些说明性的属性。roidb是由字典组成的list，roidb[img_index]包含了该图片索引所包含到roi信息，下面以r...