faster-rcnn 多尺度目标检测

因为项目需要对小物体进行目标检测,首先想到了用densebox训练faster-rcnn

faster-rcnn论文给出的anchor是9个 ,由3(scale:128*128,256*256,512*512)* 3(ratio:1:1,1:2, 2:1)得来

添加一个64*64的scale,和 1.5:1的ratio, anchor数目变为16.


具体为修改lib/rpn/generate_anchors.py:

def generate_anchors(base_size=16, ratios=[0.5, 1,1.5, 2],  #modified
                     scales=2**np.arange(2, 6)):            #modified   


修改lib/rpn/anchor_target_layer.py:

    de
  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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