Mask R-CNN代码分析(一)

本文介绍了Mask R-CNN在detectron平台中的实现,该平台基于caffe2。主要内容包括对caffe2的介绍,如workspace、operator、nets、modelhelper和brew的使用,为理解Mask R-CNN的代码执行过程做准备。
摘要由CSDN通过智能技术生成

Mask R-CNN的源码是随着FAIR的物体检测平台detectron公布的,detectron囊括了从Fast R-CNN到Mask R-CNN所有重要的物体检测算法,整个平台基于caffe2实现。本文主要从代码层面介绍Mask R-CNN具体的实现过程。

一、caffe2介绍

caffe2是在caffe的基础上的进化版,最大的特色就是引入了operator的概念,取代了caffe中layer作为net的基本构造单位。

由于operator定义很基础,很抽象,因此caffe2中的权值初始化、前传、反传、梯度更新都可以用operator实现,所以solver、layer类在caffe2中都不是必要的。在caffe2中,对应的基础组成有:

  • blob:存储数据
  • operator:输入blob,输出blob,定义了计算规则
  • 网络:net,由多个operator组合实现
  • workspace:caffe中没有,可以理解成变量的空间,便于管理网络和变量

所以在使用caffe2之前,需要先将caffe2.python.core和caffe2.python.workspace导入,这里边有常用的一些类和函数。

from caffe2.python import core, workspace
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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