DynaSLAM-3 DynaSLAM中Mask R-CNN部分源码解析（Ⅱ）

最新推荐文章于 2023-10-10 16:56:24 发布
最新推荐文章于 2023-10-10 16:56:24 发布
阅读量577 收藏 1
点赞数
分类专栏： DynaSLAM 代码解析 文章标签： 深度学习 人工智能 cnn 计算机视觉
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_41694024/article/details/128798680
版权
本文深入解析DynaSLAM中的FPN（Feature Pyramid Network）原理和实现，包括FPN如何融合多层特征图以获取丰富的语义和轮廓信息，以及详细介绍了候选框生成的过程，通过特征图生成不同尺度的候选框，并将其映射回原始图像坐标系。
摘要由CSDN通过智能技术生成

目录

1.FPN

1.1 FPN层原理

1.2 FPN代码解析 

2. 候选框的生成

2.1 根据特征图生成候选框

1.FPN

1.1 FPN层原理

        在Faster R-CNN网络中，提取特征的时候，将原始数据经过一系列的卷积层，我们只用最后一层的特征图进行提取。

        比如五层卷积神经网络，直接把第五层的output结果拿出来当作特征提取的结果了。

        但是我们在进行特征提取的时候，我们认为网络层数越高提取信息越丰富。（随着卷积层的增加越往后的卷积层提取出来的特征越是包含整体的语义信息）（原因是越往后的卷积层感受野越大、特征融合越多）。但是越往后的特征层越容易忽略前面的原始图片的细节轮廓信息（小物体信息）。

        于是我们提出了FPN层：我们用多层特征层来得到特征提取的结果。

图一 图像金字塔
了解本专栏 订阅专栏 解锁全文 超级会员免费看
DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析（Ⅰ）
qq_41694024的博客
01-30 1038
环境配置及项目简单介绍
DynaSLAM-4 DynaSLAM中Mask R-CNN部分源码解析（Ⅲ）
qq_41694024的博客
01-31 582
RPN与DetectionTargetType层解析
Dyna-SLAM代码解读：Geometry.cc（四）
weixin_63293091的博客
08-07 237
Dyna-SLAM代码解读：Geometry.cc（四）
Dyna-SLAM代码解析：MaskNet.cc
weixin_63293091的博客
08-10 325
Dyna-SLAM代码解析：MaskNet.cc
DynaSLAM源码笔记-检测动态物体部分梳理
SLAM小土堆
11-17 3688
按照main函数向下细分的顺序大概记录一下rgbd情况下，动态物体去除（inpaint的部分不是重点）的源码的写法，并对应一下论文, 关于ORB-SLAM2本身的部分不会太涉及到。 安装方法见：关于运行DynaSLAM源码这档子事(OpenCV3.x版) 论文笔记见：论文笔记-DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes 一. rgbd_tum.cc 新增了一个命名空间和类来进行关于MaskRCNN的处理，先进行这个对象的初始化，
DynaSLAM-5 DynaSLAM中Mask R-CNN部分源码解析（Ⅳ）
qq_41694024的博客
02-01 429
ROIAlign层与Mask分支
DynaSLAM-7 DynaSLAM中双目运行流程（Ⅰ）：加载Mask R-CNN网络部分MaskNet.cc
qq_41694024的博客
02-02 771
DynaSLAM中初始化Mask R-CNN部分代码解析
Dyna-SLAM代码解读：Conversion.cc
最新发布
weixin_63293091的博客
10-10 121
Dyna-SLAM代码解读：Conversion.cc
DynaSLAM代码详解(2) — Mask RCNN物体检测框架
几度春风里的博客
07-10 1472
Mask R-CNN是何恺明大神于2017年发表的文章，该论文也获得了ICCV 2017的最佳论文奖（Marr Prize）。Mask R-CNN是一个非常灵活的框架，可以增加不同的分支完成不同的任务，可以完成目标分类、目标检测、语义分割、实例分割、人体姿势识别等多种任务。Mask R-CNN是在Faster R-CNN的基础上加了一个用于预测目标分割Mask的分支（即可预测目标的Bounding Boxes信息、类别信息，也可以预测分割Mask信息）。
DynaSLAM代码详解(4) — System.cc初始化SLAM系统
几度春风里的博客
07-10 585
系统流程的入口在​​​​​system.cc文件中，​​​​​system.cc和ORB-SLAM2的代码基本相同System：SLAM系统的构造函数，包括所有功能模块和所有线程的初始化TrackStereo：双目运行函数TrackRGBD：RGBD运行函数TrackMonocular：单目的运行函数其他：包括前面四个函数中的子函数，保存，关闭等函数。
DynaSLAM/src/python/
11-07
将源码中一些关于tab与空格混用以及缩进不匹配问题更改
dynaslam2py
03-06
ORB_SLAM2-Python绑定 用于ORB_SLAM2的python包装器，可以在上找到。 它旨在与ORB_SLAM2的基本版本一起使用，并进行了一些最小的API更改，以访问系统输出。 尽管它不依赖于任何python3功能，但它已在ubuntu 14.04和16.04上进行了测试，并针对Python3构建。 安装 先决条件 ORBSLAM2源代码 ORBSLAM2编译依赖性（Pangolin，Eigen，OpenCV） Boost，特别是它的python组件（python-35） Numpy开发标头（以python表示图像，自动转换为cv :: Mat） 设置 修改ORBSLAM2 首先，我们需要ORBSLAM提供的其他API方法来提取完成的轨迹。 将补丁文件“ orbslam-changes.diff”应用于ORBSLAM2源，这将创建一个附加方法，并在CMakeLists.
DynaSLAM代码详解(1) — RGBD模式DynaSLAM运行流程
几度春风里的博客
07-09 1736
随后开始进行图像分割，对分割的结果利用膨胀操作；最后根据不同的参数利用不同的TrackRGBD函数开启跟踪线程，并将跟踪线程输出的结果imRGBOut，imDOut, maskOut 保存到创建的文件路径中。：因为有关于图像分割的操作，因此在设置了图像膨胀的相关参数，后面也创建了相关的的文件路径用于TrackRGB中的输出imRGBOut,imDOut,maskOut。检查和加载相关的配置文件，首先判断传入的参数数是否符合要求，然后进行变量的声明用于存放彩色图像、深度图像的路径，以及对应的时间戳的变量。
DynaSLAM-10 DynaSLAM中双目运行流程（Ⅳ）：DynaSLAM的三大线程解析
qq_41694024的博客
02-03 872
DynaSLAM的三大线程解析
动态场景下基于实例分割的SLAM（毕业设计动景SLAM代码阅读部分）
逆水独流的博客
01-19 2531
四、SLAM代码研究阶段（未完成） 本章节包括：ROS环境配置，DS-SLAM代码阅读笔记 2020.01.16 中午开始聚会，上午简单做点准备工作。首先从DS-SLAM开始。 麻烦了，居然是需要ROS环境，我虚拟机还没配置过，唉，估计配置完一上午又没了（起得晚）。 基本配置思路是2017年的一篇博客：https://www.linuxidc.com/Linux/2017-08/146030....
关于运行DynaSLAM源码这档子事(OpenCV3.x版)
SLAM小土堆
11-01 7151
好的，又来到了一篇源码运行记录← ← 一. 基础环境 首先，是基于之前安装PanopticFCN的设置： nvidia driver : 470 cuda : 11.0 cudnn : 8.0.1（对应cuda就好） pytorch 17.0 二. 成功编译ORB-SLAM2 ORB-SLAM2的安装记录详情点击这里。 有一些要预先安装的库比如C++11 or C++0x Compiler, Pangolin, OpenCV and Eigen3，如果不知道怎么装，可以再手动搜索一下。DynaSLAM
DynaSLAM
lucas1997的博客
07-10 1708
摘要 假设环境刚体性在SLAM算法中是典型的。这种强假设限制了大多数SLAM在真实环境中的使用，这是一些相关应用的目标，如服务机器人或自动驾驶。Bescos等人展示了DynaSLAM，一种视觉SLAM系统，建立在ORB-SLAM2上，增加了动态物体检测和背景修补。DynaSLAM在动态场景中是鲁棒的。作者能够通过多视图几何，深度学习或者两者同时来检测动态物体。得到的静态场景地图允许修补被动态物体遮挡的帧背景。DynaSLAM 超过了标准SLAM的表现在高动态环境中。同时，它也估计了环境静态部分的地图，对于
DynaSLAM语义分割部分C++详解
ANDREGAO0815的博客
12-28 557
DynaSLAM语义分割部分 C++讲解
DynaSLAM环境配置过程详解（Ubuntu16.04+python2.7+Tensorflow-gpu1.4.0+Keras2.0.8)
qq_27399933的博客
07-25 3195
电脑硬件配置及软件安装版本说明： CPU: i7-10750H 显卡：RTX2060 各软件安装版本： Nvidia-Driver Version: 440.82 CUDA Version: 8.0 Cudnn Version:6.0 安装显卡驱动+CUDA8.0+Cudnn6.0： 这些基于Ubuntu的深度学习环境配置我在另一篇博客中有详细说明，在这里不在赘述，参考如下资料即可。 另一篇博客地址： Ubuntu16.04配置Mask-RCNN环境 CUDA历史版本下载： https://deve
Python源码实现高效边界保持Mask R-CNN方案
资源摘要信息:"本项目源码包主要涉及了基于Python开发的Mask R-CNN模型的边界保持技术，这是一种深度学习框架下的实例分割算法，能够同时完成目标检测和语义分割的任务。Mask R-CNN是Faster R-CNN的扩展版本，它在...
评论
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

打赏作者

APS2023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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