ROI pooling层计算过程

最新推荐文章于 2021-12-16 15:49:34 发布
最新推荐文章于 2021-12-16 15:49:34 发布
阅读量2k 收藏 5
点赞数 1
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_33466954/article/details/106410410
版权

ROI pooling是简化版SPP，在Fast RCNN与Faster RCNN中使用。

ROI是Region of Interest的简写，指的是在“特征图上的框”。

在SPP Net和Fast RCNN中， ROIS是指Selective Search完成后得到的所有“候选框”在特征图上的映射；

在Faster RCNN中，候选框是经过RPN算法产生的，然后再把各个“候选框”映射到特征图上，得到ROIS。

Fast RCNN结构
在这里插入图片描述

ROI（单层）就是对SPP（三层）的简化：在这里插入图片描述
SPP具体结构：

最低0.47元/天 解锁文章
YaMiwan
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测模型二：Fast-R-CNN，ROI池化
诗蕊的专栏
05-24 8504
1. Fast R-CNN R-CNN需要很多候选区域以提高准确度，但是很多候选区域其实是彼此重叠的，如果我们有2000个候选区域，每一个候选区域都需要独立的送到CNN中，对于不同的ROI，我们需要提取2000次特征，效率很低。CNN的特征图是以一种密集的方式表征空间特征，我们可以直接使用特征图来代替原图来检测目标。 不同于R-CNN多次对每个图像提取特征，Fast R-CNN使用特征...
ROI Pooling层解析
热门推荐
lanran2的博客
03-03 11万+
ROI Pooling的意义 ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling，他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定； 什么是ROI呢？ ROI是Region of Interest的简写，指的是在“特征图上的框”； 1）在Fast RCNN中， RoI是指Selective Search完成后得到的“候选框”在特征图上的映射
ROI Pooling 与 ROI Align 计算示例图解
阿辉的博客
06-22 3751
ROI Pooling 与 ROI Align 假设原图尺寸大小为256×256，预测ROI的坐标为(6.4, 12.8, 153.6, 172.8),特征图大小为8×8。现在要将ROI池化成3×3大小。我们来对比一下Roi pooling 和 ROI Align的区别。 将ROI区域映射到特征图上 对于ROI pooling而言，计算出来的坐标要取整，结果为（1,1,4,5），此处进行了第一次量...
RoI Pooling两次量化误差
shenjianhua005的专栏
05-31 806
参考：https://www.jianshu.com/p/670a3e42107d 候选框从原图坐标映射到的feature map坐标时，位置坐标可能存在浮点数，此时进行取整操作从而出现第一次量化；其次，在ROI Pooling求取每个小网格的位置时也同样存在浮点数取整的情况。这两次量化的结果都使得候选框的位置出现了偏差。 RPN推荐128个rois（对于原图的坐标），当和feature一起传入 Fast-RCNN时，rois的坐标会映射到 feature map上，按照缩放因子，rois坐标会缩.
ROI Pooling和ROI Align、ROI Warp解析
m0_61899108的博客
12-11 3691
ROI Align 是何凯明在2017年的论文Mask-RCNN中提出的，该方法很好地解决了ROI Pooling操作中两次量化造成的区域不匹配（mis-alignment）问题。本文将先简单对比实验效果，然后介绍分析ROI Pooling流程以及产生局限性的具体原因，和ROI Align的解决方法，也将ROI Align、ROI Pooling、ROI Warp进行了比较。 ​
Hi3559开发环境Ruyi Studio中caffe环境（包含roi_pooling）
03-29
4. 在训练和推理过程中，正确处理ROI数据并调用ROI Pooling层。 总的来说，Hi3559开发环境下的Ruyi Studio提供了Caffe框架的支持，使得开发者能够利用ROI Pooling等高级特性进行深度学习模型的开发和优化。在实际...
计算机视觉：图像分割算法综述总结 计算机视觉.pdf
04-21
ResNet的核心思想是在网络中引入恒等映射，允许原始输入信息直接传到后面的层中，在学习过程中可以只学习上一个网络输出的残差。该算法可以使网络尽可能地加深，但训练时间也较长。 基于区域选择（RCNN）算法使用...
FasterRcnn原理详解
06-16
3. **RoI池化层（Region of Interest Pooling）**: 这是Faster R-CNN中的关键组件，它将不同大小的提议框转换为固定尺寸的特征表示，使得后续的全连接层可以处理。 ### Faster R-CNN的网络结构 Faster R-CNN的网络...
一位算法工程师从30+场秋招面试中总结出的超强面经——目标检测篇（含答案）1
08-04
这些RoIs经过RoI Pooling层转换为固定大小的特征表示，之后分别进行边界框回归和分类。相比于Fast R-CNN，Faster R-CNN省去了选择性搜索等外部区域提议方法，提高了整体效率。 **RPN（Region Proposal Network）...
simple-faster-rcnn-pytorch_simple-faster-rcnn-_rcnnpytorch代码_pyt
09-11
接着，这些RoIs经过RoI Pooling层，转换为固定大小的特征向量，输入到全连接层进行分类和回归，以确定最终的目标位置和类别。 2. **RoI Pooling**：RoI Pooling是Faster R-CNN的关键操作，它将不同大小的RoI转换为...
Roi Pooling，Roi Warping pooling，PSROIPooling，Roi Align，PrROI Pooling大总结
年轻即出发，
01-12 5260
Roi Pooling： 出自论文，Fast R-CNN，作者Ross Girshick ROI Pooling在faster RCNN中提出。主要有2个缺点， 需要进行2次量化取整的操作，会带来精度的损失 ROI区域中的像素是离散化的，没有梯度的更新，不能进行训练的调节 首先，ROI Pooling涉及到的2次量化操作，每进行一次都会有精度的损失。第一次是ROI pooling之前预...
详细的Faster R-CNN源码解析之ROI-Pooling逐行代码解析
sunnygirl's house
12-16 525
在笔者的上一篇博客中，解析了Faster R-CNN中的RPN代码，在本篇博客中，笔者详细地解析一下ROI-Pooling代码。为大家讲解2015年Fast R-CNN的核心贡献(ROI Pooling被Faster R-CNN沿用)ROI Pooling的实现原理。(笔者其实一年半之前就看过这个代码，只是当时没有写到博客上，感慨.jpg) 在代码解析正式开始之前，笔者声明几点： 1. 本篇博客解析的ROI-Pooling代码分为两个框架下实现的，第一个当然是Ross Girshick实现的py-..
RoI pooling层详解
qinguanggai9953的博客
04-05 1993
RoI pooling层的意义： RoIs pooling是pooling层的一种，而且是针对RoIs的pooling，特点是输入特征图的尺寸不固定，但是输出特征图的尺寸固定； 什么是ROI呢？ ROI是Region of Interest的简写，指的是在“特征图上的框”； 1）在Fast RCNN中， RoI是指Selective Search完成后得到的“候选框”在特征图上的映射，如下图...
Faster RCNN原理篇（二）——RoIPooling和RoIAlign的学习和理解
Yale-曼陀罗
12-14 1万+
RoIPooling和RoIAlign的学习和理解绪论RoI pooling的前世今生1、（Why?）为何需要RoI Pooling？2、（What?）什么是RoI Pooling？3、（How?）RoI Pooling的计算过程？4、Region of interest pooling — exampleRoIAlign的提出和原理1、（Why？）RoIAlign提出的原因RoIPooling与SPP的异同6、RoI pooling与RoI Align的相同点7、双线性插值法 绪论 附上Mask R-CN
深度学习基础--池化--ROI pooling和ROIalign
wydbyxr的博客
11-16 2490
Rol pooling “事实上，RoI Pooling Layer是SPP-Layer的简化形式。 在硬件上，ROIpooling相当于resize。” "SPP-Layer是空间金字塔Pooling层，包括不同的尺度；RoI Layer只包含一种尺度，如论文中所述7*7。 这样对于RoI Layer的输入（r,c,h,w），RoI Layer首先产生77个rc*(h/7)(w/7)的Bloc...
Precise RoI Pooling（PrRoI Pooling）笔记
越野者的博客
05-27 8095
Precise ROI Pooling（PrRoI Pooling）方法由旷视科技于ECCV 2018上提出，作为他们的论文Acquisition of Localization Condence for Accurate Object Detection中的一部分。其主要思想如下：
总结所有的池化(Pooling)方法
大脸猫的博客
06-29 1万+
为什么池化？ 池化（Pooling）层和卷积层、全连接层一样，都是卷积神经网络的组成部分。 卷积神经网络中的卷积层会将卷积Filter应用于输入图像，以便创建特征映射来总结输入中这些特征的存在。 卷积层被证明是非常有效的，在深层模型中叠加卷积层可以让接近输入的层学习低层特征（如线条），在模型中更深（高）的层用于学习高阶或者更抽象的特征，如形状或特定对象。 卷积层特征映射输入的一个局限性是它们只能精确记录特征在输入层的位置。这意味着在输入图像中特征位置的小幅移动将导致不同的特征映射。这可以随着重新裁剪
深度学习之 ROI Pooling
fenglepeng的博客
06-13 1万+
什么是ROI？ ROI是Region of interest的简写，指的是faster rcnn结构中，经过rpn层后，产生的proposal对应的box框。 ROIs Pooling顾名思义，是pooling层的一种，而且是针对ROIs的pooling。整个 ROI 的过程，就是将这些 proposal 抠出来的过程，得到大小统一的 feature map。 ROI Pooling 该层有两个输入： 从具有多个卷积核池化的深度网络中获得的固定大小的feature maps； 一个表示所有ROI的N*5的
深度学习学习笔记——随手写
phily123的博客
09-02 377
卷积就是特征提取器，就是CBAPD。 FCN通常用在图像分割任务中，进行像素级的分类，缩写是full connect network,所有网络由卷积层构成没有全连接层。分割网络最后通过一个反卷积层将输出尺寸恢复到和输入尺寸大小一样。 python中的assert是断言函数，当满足某种条件时构造错误。 python中变量前的单下划线，双下划线，前后双下划线都有特殊意义。 添加链接描述 ...
def forward(self, x): x = self.backbone.features(x) rpn_output = self.rpn(x) roi_boxes = self.convert_to_roi_boxes(rpn_output) roi_features = self.roi_pooling(x, roi_boxes) roi_features = roi_features.view(roi_features.size(0), -1) output = self.classifier(roi_features) return output
最新发布
06-13
这是 Faster R-CNN 神经网络模型的前向传播方法。它首先通过输入 x 经过 backbone 网络的特征提取层，得到特征图，然后将特征图输入 RPN 网络，生成候选框及其对应的边界框回归参数。接着，使用这些候选框（roi_boxes）和特征图，通过 ROI Pooling 网络得到固定大小的特征向量。这些特征向量被展平成一个向量，然后输入分类器，得到最终的分类结果。 在 forward 方法中，还调用了一个 convert_to_roi_boxes 方法，用来将 RPN 网络输出的边界框回归参数转换为实际的候选框。这个方法中，先根据 RPN 网络输出的边界框回归参数计算出候选框的坐标，然后对候选框进行一些处理，如裁剪到图像边界内、去除面积过小的框等。最终，得到的候选框（roi_boxes）用于后续的 ROI Pooling 过程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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