deepdiff函数返回_目标检测算法 - Faster RCNN深度解析（损失函数篇）

由于frcnn的网络结构主要是两个网络组成，损失函数分为四个部分。RPN分类损失：anchor是否为gt

RPN位置回归损失：anchor位置微调

ROI分类损失：ROI所属类别

ROI位置回归损失：继续对ROI位置微调

四个损失相加就是最后的损失，反向传播，更新参数。

RPN损失

gt_rpn_loc, gt_rpn_label = self.anchor_target_creator(

at.tonumpy(bbox),

anchor,

img_size)

参数分别是gt坐标，处理过的anchor，图片的H和W信息。

AnchorTargetCreator类

class AnchorTargetCreator(object):

def __init__(self,

n_sample=256,

pos_iou_thresh=0.7, neg_iou_thresh=0.3,

pos_ratio=0.5):

self.n_sample = n_sample

self.pos_iou_thresh = pos_iou_thresh#大于0.7为正样本

self.neg_iou_thresh = neg_iou_thresh#小于0.3为负样本

self.pos_ratio = pos_ratio

def __call__(self, bbox, anchor, img_size):

img_H, img_W = img_size

n_anchor = len(anchor)