faster rcnn _crop_pool_layer理解

最新推荐文章于 2023-07-24 18:24:14 发布

Zzzz26~

最新推荐文章于 2023-07-24 18:24:14 发布

阅读量329

点赞数

分类专栏：深度学习文章标签：深度学习 tensorflow

本文链接：https://blog.csdn.net/ysh1026/article/details/109995974

版权

Faster R-CNN中的_crop_pool_layer用于从VGG16网络的特征图中提取ROIs对应的特征。该层首先根据_ROIs和_feat_stride调整大小，然后裁剪并重新调整到固定尺寸，目的是去除无用的边角信息，提高目标检测的准确性。

摘要由CSDN通过智能技术生成

# region of interest pooling
      if cfg.POOLING_MODE == 'crop':
        pool5 = self._crop_pool_layer(net_conv, rois, "pool5")

  def _crop_pool_layer(self, bottom, rois, name):
    with tf.variable_scope(name) as scope:
      batch_ids = tf.squeeze(tf.slice(rois, [0, 0], [-1, 1], name="batch_id"), [1])
      # Get the normalized coordinates of bounding boxes
      bottom_shape = tf.shape(bottom)
      height = (tf.to_float(bottom_shape[1]) - 1.) * np.float32(self._feat_stride[0])
      width = (tf.to_float(bottom_shape[2]) - 1.) * np.float32(self._feat_stride[0])
      x1 = tf.slice(rois, [0, 1], [-1, 1], name="x1") / width
      y1 = tf.slice(rois, [0, 2], [-1, 1], name="y1") / height
      x2 = tf.slice(rois, [0, 3], [-1, 1], name="x2") / width
      y2 = tf.slice(rois, [0, 4], [-1, 1], name&#