Faster R-CNN是目标检测的一种端到端模型，包括主干网络、RPN和分类回归网络。RPN通过Anchor机制在特征图上生成多个建议区域，用于初步定位目标。Anchor设定不同尺寸和比例，通过预测相对偏移来校准目标位置。在实际应用如路面裂缝检测中，RPN会进一步通过NMS减少重复区域并选取样本。
1. Faster R-CNN
Faster R-CNN是一种端到端的多任务卷积神经网络，能够同时完成目标检测和类型识别的任务。它由a）主干网络，b）建议区域网络（RPN ：Region Proposal Network），和c）分类与回归网络三部分组成。其中主干网络是特征提取器，它提取出的图像特征，被RPN网络，分类与回归网络共享。RPN通过边界坐标回归和二分类双分支结构，初步找出包含目标的前景区域。分类与回归网络对包含目标的特征区域进行精细处理，输出目标的坐标信息和类别标签。Faster R-CNN的网络结构如图1所示：
图1
1.1 RPN
RPN网络对主干网络输出的feature map进行处理，产生多个可能含有目标的建议区域。它由两个卷积分支构成，其中一个分支通过对坐标的回归，定位目标在图片中的大概位置，另一个分支通过二分类处理，找出包含目标的前景区域。RPN的网络结构如图2所示：
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
