Fast-Rcnn的理解

 

• Roi Pooling

  • The main function of ROI layer is reshape inputs with arbitrary size into a fixed length output because of size constraint in Fully Connected layers, 能够允许对feature  map进行复用，能够减轻许多运算量，极大的加速training和testing 的速度

  • 具体步骤：

    • 输入：

      • 从具有多个卷积和池化操作堆积得到的网络中获得的固定大小的feature map

      • 一个表示所有ROI的N*5 的矩阵， N表示所有的ROI的个数，5代表四个角的坐标和一个图像的 index

    • 首先根据输入的image，将ROI映射到feature map对应的位置

      • 

    • 将映射后的区域划分为固定大小的 n*n的 section, 

    • 对每个section做max_pooling

    • https://deepsense.ai/region-of-interest-pooling-explained/

    • 

  • Bounding-Box Regression

    • 在Fast Rcnn中，有两个输出层：

      • 一个是每个ROI区域的分类概率预测  

      • 第二个是每个ROI区域坐标的偏移优化量 ， 是多类检测的类别序号， 这个量当然越小越好

    • 对于类别 ， 都会在ROI中有一个ground truth，  ， 而预测值是 ，  损失函数定义为

    •