原理
- 使用选择性搜索算法筛选出候选区域(Region Proposals)
- 将图像输入卷积层,得到feature map
- 对每个候选区域 使用 ROI在feature map上提取固定大小的特征向量
- 将特征向量输入到全连接层,输出两部分,一部分是通过softmax计算分类类别,一部分是bounding box回归
- 使用非极大抑制选出少数框,对应类下的位置和图像进行标注
网络结构
训练损失计算
采用多任务损失-Multi-task loss
- 对类别输出按照softmax正常计算损失
- 对框的位置的损失方面,标注为背景类的建议框不增加损失,对于标注为物体类别的建议框来说,因为这一层输出的是每一个类别对应的(x, y, w, h),因此需要先挑选出真实类别的四个值,分别与ground truth的四个作差来计算loss
优缺点
- 使用Selective Search提取Region Proposals,没有实现真正意义上的端对端