keras Mask Rcnn代码走读（二） - anchors的产生

最新推荐文章于 2022-07-11 15:29:40 发布

AI剑客

最新推荐文章于 2022-07-11 15:29:40 发布

阅读量693

点赞数

分类专栏： python AI keras

本文链接：https://blog.csdn.net/qq_43258953/article/details/103430487

版权

本文详细探讨了Keras中Mask R-CNN锚框的生成过程，包括关键参数如BACKBONE_STRIDES、RPN_ANCHOR_RATIOS和RPN_ANCHOR_SCALES，以及锚框的特性。通过compute_backbone_shapes计算特征层形状，然后利用generate_pyramid_anchors和generate_anchors函数生成不同尺度的锚框，最后进行坐标归一化，得到用于目标检测的相对坐标锚框。

摘要由CSDN通过智能技术生成

一，生成 anchors需要的参数
self.config.BACKBONE_STRIDES = [4, 8, 16, 32, 64]

特征层的下采样倍数，中心点计算使用

self.config.RPN_ANCHOR_RATIOS = [0.5, 1, 2]

特征层锚框生成参数

self.config.RPN_ANCHOR_SCALES = [32, 64, 128, 256, 512]

特征层锚框感受野

image shape（1024，1024，3）

二， anchors特点
1.中心点的个数等于特征层像素数
2.框体生成是围绕中心点的
3.最终的框体坐标需要归一化，都是对于输入图片的相对大小

三，锚框生成入口函数位于model.py中的get_anchor函数，需要参数image_shape，保证含有[h, w]即可，也可以包含[h, w, c]，

def get_anchors(self, image_shape):
    """Returns anchor pyramid for the given image size."""
    # [N, (height, width)]
    backbone_shapes = compute_backbone_shapes(self.config, image_shape)
    # Cache anchors and reuse if image shape is the same
    if not hasattr(self, "_anchor_cache"):
        self._anchor_cache = {
   }
    if not tuple(image_shape) in self._anchor_cache:
        # Generate Anchors: [anchor_count, (y1, x1, y2, x2)]
        a = utils.generate_pyramid_anchors(
            self.config.RPN_ANCHOR_SCALES,  # (32, 64, 128, 256, 512)
            self.config.RPN_ANCHOR_RATIOS,  # [0.5, 1, 2]
            backbone_shapes,                # with shape [N, (height, width)]
            self.config.BACKBONE_STRIDES,   # [4, 8, 16, 32, 64]
            self.config.RPN_ANCHOR_STRIDE)  # 1
        # Keep a copy of the latest anchors in pixel coordinates because
        # it's used in inspect_model notebooks.
        # TODO: Remove this after the notebook are refactored to not use it
        self.anchors = a
        # Normalize coordinates
        self._anchor_cache[tuple(image_shape)] = utils.</