点击链接https://https://w.url.cnn


学习的参数是bbox层的网络权重因為bbox层有四个通道,分别对应四个输出值可以将每个通道对应的卷积参数称之为 图像经过这层卷积之后就是 四个值 dx?(P),dy?(P),dw?(P),dh?(P)了,为了方便表示将这四个数字或者说函数的结果表示为


tx?,ty?,tw?,tz?去调整为最终的输出。
  • 在RPN网络训练过程中anchor的四个数字认为是公式中的P。
%用于RPN层的卷积和Fast RCNN的卷积层共享参数, 要达到这个功能需要按照论文那样四步走训练网络 %获取到的anchors,经过NMS等操作处理 % 利用anchor和 box_deltas求取预测框输出的过程 吔是下面论文中的公式 % 这里使用的是上一步产生的boxes


另外不得不感叹R-CNN的附录图片真的超级漂亮!检测效果、美观程度兼备!

我要回帖

更多关于 wurltsee 的文章

 

随机推荐