1.1Faster RCNN理论合集_哔哩哔哩_bilibili
RCNN
3-1
对于2000X4096矩阵:
每一行是一个候选框通过CNN网络得到的特征向量,有2000个候选框,所以有2000行
对于4096X20矩阵:
每一列代表一个类别,pascalVOC数据集是20类的,所以有20列,每一列代表每个类别的权值向量。(第一列代表所需检测的猫,第二列代表所需检测的狗)
对于2000X20矩阵:
第一行第一列代表:第一个候选框是猫的概率,第一行第二列代表:第一个候选框是狗的概率。
3-2
然后2000行是2000个框,有些框可以剔除,采用非极大值抑制的方法。
ROI 是感兴趣区域
比较网络: Fast-RCNN是整张图送进网络得到特征图,然后从特征图上提取候选区域。
以前是框出一块算一块,现在是全算完了再框,可以省去很多计算的时间。
1,Deep ConvNet 把图片送入网络得到特征图
ROI projection 根据映射关系把特征图送入ROI pooling。
ROI pooling 统一缩放到指定尺寸
FCs是两个全连接层,在后面并联两个全连接,一个作为目标概率的预测(21个类),一个用来边界框回归参数的预测。
Faster RCNN
Faster RCNN 也就是把SS算法挑选的候选框变成了RPN 网络来挑选了。
RPN网络结构:(预测这个框是前景还是背景)
这里的特征图是从FasterRCNN 的backbone得出来的。
在这个特征图上放一个滑动窗口,然后得到一个特征向量(256-d)。
(anchor是框的意思)
然后通过两个全连接层,一个输出目标概率(2K,K 个anchor,一个是前景的概率,一个是背景的概率),一个输出边界框回归参数(4K,K 个anchor,每个有xywh)。
每个点会有9个框
原文中是分别训练的,现在可以联合训练(官方的demo)