faster-rcnn论文连接:https://arxiv.org/pdf/1506.01497.pdf
代码地址:https://github.com/zacks417/faster-rcnn-tf
按照论文思路并参考了其他版本的源码,这版代码是我加过注释的tf版本,在我自己的电脑上能跑通。
本机实验环境:py3.6, CUDA9.0, tf1.7,GTX1070。
下面讲解一下faster-rcnn整体网络流程
以VGG16为backbone来讲解faster-rcnn整体流程
以vgg网络输入为**600x800x3**为例,网络的**conv5_3**为rpn网络的输入,就是上图中的feature Map, 大小为**1x38x50x512**
,backbone部分就不讲了,比较简单.
RPN部分:
下图为rpn的结构图,输入即为conv5_3,输出rois(128x84)128个感兴趣区域,84为21x4,即为每个类别都预测bbox。
conv5——3首先通过3x3 same卷积降维,记为rpn_conv,维度变成1x38x50x512,接下去是两个分支,都