参考: https://www.jianshu.com/p/596e4171f7ad
比如我现在要训练网络检测狗,
(1)使用resnet-50-fpn和resnet-101-fpn backbone
(2) 基础的resnet-50 和resnet-101在imagenet 数据集上预训练
(3) 所有新增的卷积层(除了子网络的最后一层)初始化权重为,均值=0的高斯分布,偏置bias=0
(4)分类子网络classification subnet最后一层偏置为 为每个anchor在开始训练时应该被标记为前景的置信度,实验中其值=0.01,即这个anchor为狗的概率=0.01,即99%的可能性不是狗.
备注:
问题1:最后一层的偏置偏值是如何确定的呢?
对于二分类(即按照是否大于0.5进行分类)模型,其输出层中的激活函数一般为sigmoid函数,