Faster R-CNN Features for Instance Search

      这篇论文是《Faster R-CNN Features for Instance Search》。发表在2016的CVPR Workshops 上。

     论文源码：https://github.com/imatge-upc/retrieval-2016-deepvision

 

     首先给出网络结构图：

    

     输入图像之后，使用Conv5_3层的feature map。

    将feature map输入RPN网络，提取出RPN Proposals。对应回feature map，将proposals经过RoI Pooling。

    这里RoI Pooling的意义在于，之前提取到的proposals大小不一，不利于后面的全连接。

    具体做法是：将每个proposal分块，比如都分成3*3大小。然后在每个块中取最大值，这样每个proposal都变成了3*3大小。，实现了尺寸上的统一。如图所示。

    三个全连接层之后，得到proposals属于各个类别的得分。

    接着给出一些论文给出的概念和定义：