0 -【Faster R-CNN】代码精读目录

已于 2023-02-08 13:43:06 修改
阅读量206 收藏 1
点赞数 1
文章标签： cnn 深度学习 人工智能
于 2023-02-02 15:24:55 首次发布
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/weixin_37804469/article/details/128815119
版权

Faster R-CNN

1、算法结构图

图片来源：https://gitcode.net/mirrors/wzmiaomiao/deep-learning-for-image-processing/-/blob/master/pytorch_object_detection/faster_rcnn/fasterRCNN.png
在这里插入图片描述

2、代码讲解 结构

在这里插入图片描述

\quad

1、Dataset and Dataloader
2、Resize and Padding
3、Backbone
4、RPN Head
5、Anchors Generator
6、Proposals 、 Filter Proposals

以下持续更新中 。。。
7、Compute RPN Loss
8、POI pooling
9、Faster R-CNN Predictor
10、Compute Faster R-CNN Loss

3、RPN Loss 流程图

在这里插入图片描述

4、Faster R-CNN Loss 流程图

在这里插入图片描述

Enzo 想砸电脑
关注
专栏目录
目标检测论文精读（5）－ Faster R-CNN
zhli99的博客
05-20 630
Faster R-CNN阅读重点IntroductionFaster R-CNN Detection SystemRPNMulti-Scale Anchors as Regression ReferencesRPN loss functionBounding box regressionSampling strategyResultsTest on VOC 2007, 2012Test on co...
Faster R-CNN精读笔记
qq_38836499的博客
10-31 351
Faster R-CNN精读笔记。
1 -【Faster R-CNN】之 Dataset and Dataloader 代码精读
weixin_37804469的博客
01-31 549
其为了节省内存，将图像按照尺寸大小进行了排序，尺寸小的和尺寸小的batch， 尺寸大的和尺寸大的batch，这样在之后padding的时候，小尺寸的就不用因为batch中有大尺寸的而padding 的太多。这是因为 默认的 batch 的打包方式是 stack，需要图像有相同的尺寸才能stack，我们这个时候的 image 不是相同尺寸（在之后的 Generalized RCNN Transform 的阶段，才会将 Batch 中的图像处理为相同尺寸），所以这里没法使用默认的 打包batch 的方式。
c++读取图片_四、faster-rcnn源码阅读：数据流读取
weixin_39719078的博客
11-10 342
数据读取在faster-rcnn源码里是比较简单的部分，但也是非常重要的部分，不了解数据，就不可能了解算法。另一方面，由于python环境碎片话化，源码调用的库在你的电脑上如果碰巧（其实概率还蛮大，特别是windows下）不能用，完全可以用另外一种等价的方式取代。一、图片读取就是把图片转化成矩阵，等待下一个流程进一步处理。图片读取要注意不是所有都是RGB顺序读取1.cv2（OpenCV-Pytho...
6 -【Faster R-CNN 代码精读】之 Proposals 、 Filter Proposals
weixin_37804469的博客
02-04 282
在上一篇文章【Faster R-CNN】之 AnchorGenerator代码精读中，我们获取到了 anchor 在原图中的坐标在上上篇文章【Faster R-CNN】之 RPN Head 代码精读中，我们得到了 预测出的 bounding box 的概率 以及 预测出的 bounding box 回归参数（regression parameters）。
3 -【Faster R-CNN】之 backbone 代码精读
weixin_37804469的博客
02-01 610
在上一篇文章中，我们得到了图像尺寸统一的 batch 了，接下来，就是 feed 到 backbone 中 获取 feature map。
5 -【Faster R-CNN】之 AnchorGenerator 代码精读
weixin_37804469的博客
02-02 1125
anchor 的作用：anchor 是用来做辅助计算的，用于和 （上节课说的，由RPN Head 计算出的）bounding box regression 一起，计算出 预测的 候选框的坐标信息。** 我理解 bounding box regression 是一个 相对位置信息，且是一个系数。
4 -【Faster R-CNN】之 RPN Head 代码精读
weixin_37804469的博客
02-02 656
在上一篇文章 【Faster R-CNN】之 backbone 代码精读 中，我们学习了创建 backbone，并将 batch 中的图片通过backbone 获得了 feature maps。batch 的 feature map size 类似为 [batch_size, out_channel, ]batch_size, 是根据 gpu性能，我们自己指定的。
【目标检测经典模型比较】--Fast R-CNN Faster R-CNN Mask R-CNN
weixin_62371528的博客
02-06 1503
【目标检测经典模型比较】二阶段--Fast R-CNN Faster R-CNN Mask R-CNN三者比较与进步，包括各自优缺点。目标检测入门二阶段检测算法。
faster rcnn代码精读
08-22
对于 Faster R-CNN 的代码精读，你可以参考以下步骤： 1. 阅读主要的文件结构：Faster R-CNN 通常包括几个主要的文件，包括模型定义文件、数据加载文件、训练和测试脚本等。首先，了解代码的整体结构和文件之间的...
Faster-RCNN算法精读
热门推荐
hunterlew的专栏
05-01 11万+
读论文：《Faster R-CNN: Towards Real-Time ObjectDetection with Region Proposal Networks》 摘要：算法主要解决两个问题： 1、提出区域建议网络RPN，快速生成候选区域；2、通过交替训练，使RPN和Fast-RCNN网络共享参数。 一、 RPN网络结构 RPN网络的作用是输入一张图像，输出一批矩形候选区域
fasterrcnn论文_【论文解读】精读Faster RCNN
weixin_39601641的博客
11-21 508
Faster R-CNN论文链接：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks推荐代码：https://github.com/facebookresearch/Detectron （首推！Faster RCNN原班人马复现代码，模型有很多，Faster RCNN、端到端的Faster R...
【文档智能】文本文字识别、公式识别、表格文字识别核心算法及思路及实践-DBNet、CRNN、TrOCR
余俊晖，NLP炼丹师，目前专注自然语言处理领域研究。曾获得国内外自然语言处理算法竞赛TOP奖项近二十项。
10-13 1402
OCR技术作为文档智能解析链路中的核心组件之一，贯穿整个技术链路，包括：文字识别、表格文字识别、公式识别，参看下面这张架构图：前期介绍了很多关于文档智能解析相关核心技术及思路，本着连载的目的，本次迎来介绍整个链路中的最后一块拼图-OCR。本文简要介绍OCR常见落地的算法模型-DBNet、CRNN，并基于这两个模型，简单介绍文字识别在表格识别中参与的角色；并且额外介绍TrOCR这个端到端的模型，基于这个模型引入公式识别解析的思路及微调方法。
深度学习知识的粗略框架
liron71的专栏
10-13 857
深度学习知识系统的粗略性框架
【深度学习|地学应用】遥感与深度学习：揭示梦柯冰川奥秘的前沿应用与实践解析（二）
985小水博的摸鱼日常
10-16 975
【深度学习地学应用】遥感与深度学习：揭示梦柯冰川奥秘的前沿应用与实践解析（二）
深度学习 .exp()
2302_79865304的博客
10-13 211
在 MXNet 中，.exp()是ndarray对象的方法，用于计算数组中每个元素的指数（e 的幂）。此方法适用于所有类型的ndarray，并返回一个新的数组，其中每个元素都是相应输入元素的指数。
深度学习在癌症基因组学和组织病理学中的应用与前景｜文献精析·24-10-16
罗小罗同学的博客
10-16 1379
这篇文章是关于深度学习（Deep Learning, DL）在癌症基因组学和组织病理学中的应用的综述。这篇综述写的非常好，虽然只发表在Genome Medicine（IF=10.4，一区），但是概念阐述的非常清晰！！关于病理+基因等一系列的多模态医学研究已经开展了非常多，但是。有多方面的原因，总体可以分为两类——。虽然早从2018年就有相关的研究发表，但是受限于当时的硬件水平，处理大规模的数据可能有些困难；
YOLO11改进 | 注意力机制 | 添加SE注意力机制
最新发布
kay_545
10-16 1143
yolov11，yolo11改进
【鸟类识别系统】Python+卷积神经网络算法+人工智能+深度学习+ResNet50算法+计算机课设项目
子午的博客
10-12 1121
鸟类识别系统。本系统采用Python作为主要开发语言，通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型，然后进行模型的迭代训练，得到一个识别精度较高的模型，然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面，实现用户上传一张鸟类图像，识别其名称。本项目通过人工智能技术实现对鸟类图像的自动识别，满足用户在日常生活中快速、准确地识别鸟类的需求。
Faster R-CNN源码解读与实践
在mx-rcnn项目中，可能包含了实现Faster R-CNN模型的核心算法代码和相关的训练、测试以及演示脚本。 在给定的文件名称列表中，我们可以看到一些关键文件的名称，它们可能包含以下内容： - **train.py**：这是一个...
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

打赏作者

Enzo 想砸电脑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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