Faster RCNN:训练的时候才需要区分正、负样本吗?ROI生成的256个感兴趣区域是怎么产生最后的预测结果的?
通过全连接层,得到长度为4096的256个ROI特征,将上述特征输入分类与回归的全连网络。
默认为21类物体,分类网络输出的特征维度是21维,回归网络输出每一个类别下的4个位置偏移量,输出的特征维度是84。
一张图片生成一张特征图,特征图上产生Anchors,产生37x50x9个Anchors,再反算到原图上得到最初的Proposal,
再经过一系列筛选得到最终的感兴趣区域(ROI)。将这些ROI送入到全连接网络得到预测结果。
问题是,分类网络输出的21维特征是怎么样的,回归网络的84维特征又是怎么样的?
是一个ROI对应一个特征吗?一个特征长度为4096,一共是256个,每个特征都会对应一个预测输出。
[来自我的手机] 下个月流量就不多了呜呜呜