参考B站视频Pytorch 搭建自己的Faster-RCNN目标检测平台(Bubbliiiing 深度学习 教程)_哔哩哔哩_bilibili
什么是Faster-RCNN
显然,我们可以人眼可以一眼就看到猫在图片的位置,但是计算机要怎么确认呢,即框怎么确定,需要中心点的x轴,y轴,宽和高四个参数。
确定边界框位置的四个参数怎么由Faster-RCNN得到呢
当一张图片被传入到Faster-RCNN中,一般会被resize到600*800尺寸(长宽比不变,不会失真),再被传入主干特征提取网络,可以得到38*50的特征层,相当于将图片分成38*50大小的网格,每个网格里有若干个先验框,利用RPN可以获得先验框的调整参数和是否包含物体,此时便得到了建议框,利用建议框在公共特征层上进行截取,截取到的不同特征层可以反应图片上的不同位置,截取到的内容传输到ROI pooling层中,为了满足不同大小图片的检测,ROI pooling层会将截取到的不同大小的特征层resize到一样的大小,然后利用分类和回归网络判断截取到的图片中是否包含目标,并对建议框进行调整,调整后的结果即是我们最终的预测结果。