摘要：
训练： 特征图是51x39x256，对该图像的每点考虑9个窗口：三种候选面积（128,256,512） x 三种尺度（1:1,1:2,2:1）。这些候选窗口称为anchors。如下图： 如果图片尺寸w*h，特征图的尺寸是w/r ×h/r（由pool5层得到的尺寸，计算后得到这个r）。r是下采样率（s 阅读全文
摘要：
之前的都是用区域建议算法来产生候选框，还是挺耗时间的，所以Faster R-CNN使用CNN来产生候选框。 Faster-R-CNN算法由两大模块组成： 1.RPN候选框提取模块； 2.Fast R-CNN检测模块。 其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的 阅读全文
摘要：
分类和位置调整都是通过全连接层(fc)实现的，设前一级数据为后一级为，全连接层参数为，尺寸，一次前向传播(forward)即为： 计算复杂度为。 将进行SVD分解，并用前t个特征值近似： 原来的前向传播分解成两步： 计算复杂度变为 。 在实现时，相当于把一个全连接层拆分成两个，中间以一个低维数据相连 阅读全文
摘要：
恢复内容开始 与R-CNN的不同： Fast R-CNN是端到端的，解决了R-CNN的速度慢、空间大的缺点。 训练： 使用5个最大池化层和5~13个不等的卷积层的三种网络进行预训练：CaffeNet，VGG_CNN_M_1024，VGG-16，使用之前要先做出如下改动： 对训练集中的图片，SS取出每 阅读全文
摘要：
当预测值与目标值相差很大时，L2 Loss的梯度为(x-t)，容易产生梯度爆炸，L1 Loss的梯度为常数，通过使用Smooth L1 Loss，在预测值与目标值相差较大时，由L2 Loss转为L1 Loss可以防止梯度爆炸。 L2 loss的导数（梯度）中包含预测值与目标值的差值，当预测值和目标值 阅读全文
摘要：
R-CNN需要大量的候选框，对每个候选框都提取特征，速度很慢，无法做到实时检测，无法做到端到端。ROI pooling层实现training和testing的显著加速，并提高检测accuracy。 ROI pooling层能对不等尺寸的输入执行最大汇集以获得固定尺寸的特征映射，根据候选区域裁剪卷积特 阅读全文