Faster R-CNN Keras版源码史上最详细解读系列
王伟王胖胖
这个作者很懒,什么都没留下…
展开
-
Faster R-CNN Keras版源码史上最详细解读系列之简单介绍
Faster R-CNN Keras版源码史上最详细解读系列之简单介绍前言Faster R-CNN 简单介绍前言前面有写过一些RCNN系列的文章,毕竟光看源码,其实理解不深,很多的细节原理还得看代码,你会发现里面有很多设计的技巧,能更好的体会这个算法的思想。最近在看Faster R-CNN Keras版源码,也看了一下资料,希望可以比较完整的来解读下这个源码,网上也有一些文章解读,但是大多的...原创 2019-09-17 12:34:02 · 1508 阅读 · 0 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之最后的分类和回归模型
Faster R-CNN Keras版源码史上最详细解读系列之最后的分类和回归模型候选框样本选择和正负样本均衡分类和回归模型训练分类和回归网络以及RoiPooling层候选框样本选择和正负样本均衡前面我们已经处理好第二次候选框刷选了,现在我们就快要进行最后的分类和回归训练了,在此之前还有一步就是选择一个合适的样本数量,保持正负样本的均衡。我们来看看train_frcnn.py文件的代码: ...原创 2019-09-20 21:02:23 · 1755 阅读 · 5 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之第二次候选框筛选
Faster R-CNN Keras版源码史上最详细解读系列之第二次候选框筛选第二次候选框筛选初始化计算IOU决定有效位转成数组拼接成统一格式第二次候选框筛选这次筛选是为了给最后的分类和回归的输入做筛选,其实跟预处理的数据差不多,也就是再次计算IOU,进行分类和回归梯度计算,对应的是文件train_frcnn.py里: # note: calc_iou converts from ...原创 2019-09-20 14:04:52 · 764 阅读 · 0 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之ROI候选框筛选
Faster R-CNN Keras版源码史上最详细解读系列之ROI候选框筛选ROI预测框筛选定义预测框数组初始化预测框数组预测框数组维度转置和坐标筛选预测框非极大抑制筛选300个ROI预测框筛选上一篇已经讲了RPN模型,输出就是锚框的类别和回归梯度,但是锚框数有很多,我们不可能全部用,所以在进行ROIPooling之前,也要筛选一遍,选出300个最好的框,最好的标准是什么呢,我们马上会讲,边...原创 2019-09-20 11:08:53 · 1959 阅读 · 5 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之RPN训练数据处理二
Faster R-CNN Keras版源码史上最详细解读系列之RPN训练数据处理二训练数据处理训练数据处理继续我们的数据预处理,上次讲到data_generators.py的这个方法calc_rpn,这个方法就是用来生成RPN模型的输入和输出的,输入比较简单,就是一张处理后的图,输出是为了跟网络的预测输出求出误差,我们知道的图片信息并不是RPN网络的输出格式,所以要进行预处理计算。我们来看看源...原创 2019-09-19 17:22:41 · 1227 阅读 · 3 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之RPN训练数据处理一
Faster R-CNN Keras版源码史上最详细解读系列之RPN训练数据处理训练数据处理训练数据处理训练数据处理前面我们将了RPN模型,同时包含特征提取的,输入是图片,输出是分类和回归,我们现在有了模型的预测输出,因为做的是有监督学习,所以我们还需要真实值输出,也就是标注框相关的分类和回归部分,以便于去计算损失。还是train_frcnn.py: # 图片,rpn的...原创 2019-09-19 11:18:30 · 1490 阅读 · 3 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之RPN模型解析
Faster R-CNN Keras版源码史上最详细解读系列之RPN模型解析源码里的RPN模型源码里的RPN模型源码中有RPN模型,其实囊括了前面的特征提取部分,我们先来看下,他这个模型的结构,我们才能明白输入输出是怎么来的,还是train_frcnn.py:# 图片维度顺序的改变if K.image_dim_ordering() == 'th': input_shape_img ...原创 2019-09-18 12:35:41 · 1556 阅读 · 0 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之vgg16与RPN网络
Faster R-CNN Keras版源码史上最详细解读系列之vgg16与RPN网络vgg16vgg.pyvgg16我们的特征提取网络是用vgg16作为主干网络的,只用前面的13层,最后3层全连接层不要。为什么不用其他的呢,比如resnet101,这个更深理论上当然更好啦,但是实际上训练时间和复杂性也提高啦,等简单的用好了,后面可以换嘛。先看看vgg16的结构吧,我网上找了一张比较清晰的图:...原创 2019-09-17 16:58:02 · 2770 阅读 · 2 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之数据解析
Faster R-CNN Keras版源码史上最详细解读系列之数据解析数据解析pascal_voc_parser.pysimple_parser.py数据解析我们可以在train_frcnn.py中看到数据解析的部分:# 上面说的解析参数使用的不同方式if options.parser == 'pascal_voc': from keras_frcnn.pascal_voc_par...原创 2019-09-17 15:56:23 · 1196 阅读 · 0 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之运行源码
Faster R-CNN Keras版源码史上最详细解读系列之源码运行源码介绍数据集格式介绍预训练模型修改部分源码文件源码介绍我想大多数人跟我一样,而且肯定是想要把源码先跑起来,然后慢慢看里面细节。我用的是windwos,一些最基本的环境,用到的库这种我就不说啦,具体可以看项目里的requirements.txt文件,或者百度。那就先说说keras版的源码,很多的源码是从yhenon克隆来的...原创 2019-09-17 14:49:51 · 6184 阅读 · 71 评论 -
Faster R-CNN Keras版源码史上最详细解读系列之结束部分
Faster R-CNN Keras版源码史上最详细解读系列之结束部分训练的结尾部分感悟训练的结尾部分还有最后一些损失信息的统计什么的,就在train_frcnn.py中: # rpn_loss_cls rpn_loss_regr losses[iter_num, 0] = loss_rpn[1] losses[it...原创 2019-09-20 21:25:54 · 897 阅读 · 10 评论