@[学习Faster RCNN的过程资料]
#一、了解FPN
Faster RCNN中看FPN这篇文章十分适合:https://blog.csdn.net/baidu_30594023/article/details/82623623
该文章中:
作者一方面将FPN放在RPN网络中用于生成proposal,原来的RPN网络是以主网络的某个卷积层输出的feature map作为输入,简单讲就是只用这一个尺度的feature map。但是现在要将FPN嵌在RPN网络中,生成不同尺度特征并融合作为RPN网络的输入。在每一个scale层,都定义了不同大小的anchor,对于P2,P3,P4,P5,P6这些层,定义anchor的大小为32^2, 64^2, 128^2,256 ^2,512 ^2,另外每个scale层都有3个长宽对比度:1:2,1:1,2:1。所以整个特征金字塔有15种anchor。
【无标题】
最新推荐文章于 2024-08-25 20:51:35 发布