RFCN及其PS ROI pooling理解

最新推荐文章于 2022-01-18 12:04:59 发布
最新推荐文章于 2022-01-18 12:04:59 发布
阅读量1.5k 收藏 2
点赞数 2
分类专栏： 目标检测 文章标签： RFCN PS ROI Pooling 目标检测
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/stu_shanghui/article/details/93978061
版权
RFCN是一种区域全卷积网络，通过位置敏感得分图解决平移不变性和检测平移变化的冲突。它使用共享权值的101层网络，并通过3*3的position-sensitive ROI pooling进行特征抽取。PS ROI Pooling将W*H*k*k*(C+1)的特征图转换为k*k*(C+1)，通过对每个类别的k*k个score求和并softmax计算损失，以确定ROI中的目标类别。
摘要由CSDN通过智能技术生成

RFCN: Region-based Fully Convolutional Networks

 

核心思想：

提出位置敏感得分图，用以解决图像分类中平移不变形和物体检测中平移变化之间的冲突

 

目前大部分的检测算法都是特征提取和目标检测两部分

 

上图说明: R-CNN是直接输入了proposal，整个网络都用作检测，Faster-R-CNN是后10层由于检测；而R-FCN是101层全部都共享权值

对 feature map 做1*1*1024(backbone的输出为1024通道)的卷积，设置输出通道数为k*k*(C+1)），这个通道数就是为每一个类别设置了k*k个scores值，C为类别数；则卷积之后的输出维度为W*

最低0.47元/天 解锁文章
@浪里小白龙
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【转】ROI Align 在 R-FCN 中的推广：Position Sensitive ROI Align
lanyuxuan100的博客
12-27 2048
转自：http://blog.leanote.com/post/afanti.deng@gmail.com/Position-Sensitive 1. Position Sensitive ROI-Pooling 简介 　　Position Sensitive ROI Pooling（位置敏感的候选区域池化）是检测框架R-FCN的主要创新点。一般来讲，网络越深，其具有的平移旋转不变性越
目标检测特殊层：PSROIPooling详解
BigCowPeking
06-21 8339
1. Position Sensitive ROI-Pooling 简介　　Position Sensitive ROI Pooling（位置敏感的候选区域池化）是检测框架R-FCN的主要创新点。一般来讲，网络越深，其具有的平移旋转不变性越强，这个性质对于保证分类模型的鲁棒性有积极意义。然而，在检测问题中，对物体的定位任务要求模型对位置信息有良好的感知能力，过度的平移旋转不变性会削弱这一性能。研究...
PsROI Pooling 深入理解，附代码
MAX的专栏
01-18 3200
faster rcnn 和 rfcn 的最大不同点在于rfcn采用了PsROI Pooling 保留了局部区域的位置敏感性。 输入batch_size = N 的批次训练图像。 假设我们通过 RPN 层网络获取了 M 个 rois, 每个 rois 用 1*5 的向量表示，**第0 个数表示rois 所属于的图像id,**对roi 进行pooling 时要到特征图对应的batch 中。 例如 rois = [[0, 1,4,6,8],[0,2,3,7,9],[1,3,5,7,9]],有3个roi,其中两个
PSROIPooling 学习笔记
luo841297935的博客
03-28 2837
PSROIPooling 学习笔记 1. PSROIPooling的作用: PSROIPooling第一次出现在"R-FCN"中,替代ROIPooling,引入位置敏感信息,有效缓解检测网络的目标平移不变性问题. 2. PSROIPooling的原理: 如上图, 假设检测网络需要检测的目标个数是C, 则连背景为C+1个类别; PSROIPooling后的"bin"个数为kk个; 在进行PSRO...
PSROIAlign:（面向）Tensorflow C ++ API中的PsRoIAlign操作
05-16
Tensorflow C ++ API中的PsRoIAlign操作 PsRoIAlign涉及用于 （位置敏感的池操作）的插值技术，该插值思想是在提出的，以避免对进行任何量化。 PsRoIAlign的首次采用可能是在本文中的。 您可以找到有关的RoiPooling技术和更多详细信息。 该存储库包含Tensorflow C ++ API中PsRoIAlign操作的实现代码。 您可以在许多流行的两阶段对象检测器中使用此操作。 既欢迎使用PsRoIAlign进行的研究工作，也欢迎对该存储库做出贡献。 要在自己的计算机上使用此op，只需执行以下步骤： 将头文件“ cuda_config.h”从“ your_python_path / site-packages / external / local_config_cuda / cuda / cuda / cuda_config.h”复制到“
RFCN-tensorflow：TensorFlow中的RFCN实施
02-06
如果需要特殊的链接器/编译器选项，则可能需要编辑BoxEngine / ROIPooling / Makefile 。 注意：如果您的系统上有多个python版本，并且要使用与“ python”不同的版本，请在调用make之前提供一个名为PYTHON的环境...
R-FCN-master.zip_FCN分割_R-FCN_r fcn_rfcn_rfcn网络
07-14
RFCN，用于进行物体的检测和分割，能够检测出需要的物体
Python-这是用于对象检测的RFCN的PyTorch实现
08-10
4. **Position-Sensitive RoI Pooling**：R-FCN使用位置敏感的RoI池化层，将不同位置的特征映射到固定大小的特征图上，使得每个位置都能独立进行分类和回归。 5. **Loss函数**：R-FCN的损失函数包括分类损失和回归...
tensorflow的目标检测模型rfcn_resnet101_coco_11_06_2017
06-21
**一、概述** ...该模型结合了区域建议网络（Region Proposal Network, RPN）和全卷积网络（Fully Convolutional Network, FCN）...通过深入理解这个模型，我们可以更好地理解和利用深度学习技术在目标检测领域的潜力。
RetinaNet深入理解（损失函数详解）
12-28
### RetinaNet深入理解——损失函数详解 #### 一、RetinaNet背景及目标 RetinaNet是一种基于深度学习的目标检测算法，它旨在解决现有one-stage目标检测算法（如YOLO、SSD）与two-stage目标检测算法（如Faster R-...
ROI Pool、ROI Align、PSROI Pool、PrROI Pool
weixin_46248767的博客
11-04 1520
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 ROI Pool、ROI Align、PSROI Pool、PrROI Pool基本概念一、ROI Pool二、ROI Align三、PSROI Pool四、PrROI Pooling（Precise RoI Pooling ） 基本概念 ROI RoI(Region of Interest)是通过不同区域选择方法，从原始图像(original image)得到的兴趣区域，为进一步生成bounding box做准备。 bounding b
【温故知新】RoI Pooling、RoI Align、ROI Warping pooling、PS-ROI Pooling、PS-ROI Align、PrROI Pooling
upup
08-20 1696
RoI Pooling 在Fast R-CNN首次出现了ROI Pooling 下面以Fast R-CNN为例 可以看到先对原图进行卷积，得到卷积层，在将Selective Search选择的proposals对应到卷积层。由于proposal尺寸不一样，需要进行RoI pooling，比如下面是卷积层： 有一个proposals： 划分网格，paper里设置的是7 * 7，下图是2 * 2： 每个网格选最大值(max pooling一个意思)： 动画： 和SPP对比，就是只有一层（尺度）的SP
R-FCN源代码解读
lixiang_whu的专栏
12-23 6797
本文针对目标检测算法R-FCN源代码中PSROIPoolingLayer的forward过程进行详细解读，具体示意图理解参考的是http://blog.csdn.net/shadow_guo/article/details/51767036，下面给出代码解读： // -------------------------------------------------------------
目标检测特殊层：RFCN中PSROIPooling层
BigCowPeking
07-19 1708
RFCN中PSROIPooling的代码：      每一层表示的是一种特征，输入是7*7*2*ROI_area, 输出是7*7*2的大小的卷积核；把每一层的特征相加得到一个特征，总共49层可以的得到7*7的大小的map，之后ROI的框内采用插值的方式，得到7*7*2的特征map；     开始进入ROI pooling操作了，上面一层，有两个输入：rfcn_cls（1*98*38*63）是预...
ROI Pooling层详解
AUTO1993的博客
11-12 7万+
ROI Pooling层详解 原文链接：https://blog.deepsense.ai/region-of-interest-pooling-explained/ 目标检测typical architecture 通常可以分为两个阶段： （1）region proposal：给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置
ROI Pooling层解析
热门推荐
lanran2的博客
03-03 11万+
ROI Pooling的意义 ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling，他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定； 什么是ROI呢？ ROI是Region of Interest的简写，指的是在“特征图上的框”； 1）在Fast RCNN中， RoI是指Selective Search完成后得到的“候选框”在特征图上的映射
R-FCN解读
Sundrops的专栏
11-25 1万+
最近一直做检测，发现检测领域好多好玩的东西啊，R-FCN是msra dai老师和kaiming做的，insight很赞，这次翻出来再学习一下。最近旷视科技又发了light RCNN，检测这领域真是日新月异。
python rfcn.py
最新发布
02-13
"rfcn.py" 是一个 Python 脚本文件，它代表了一个 "Region-based Fully Convolutional Networks (R-FCN)" 的实现。你可以在命令行中运行它，以便使用 R-FCN 算法进行图像分类或目标检测。
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
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