faster rcnn 笔记

faster rcnn 相比fast rcnn抛弃了原来的滑窗方法，采用了anchor方法。

input是原始图片，经过CNN网络提取特征之后，在特征图的每个点对应的原图位置按照anchor取候选框，得到响应的特征图，然后进行后续的检测分类。流程图如下：

 

 

通过上图，可以注意到其训练方式也是有创新的：

四步：

网络结构图：

 

 

loss函数：

参考博客：https://senitco.github.io/2017/09/02/faster-rcnn/

具体smooth L1的好处：https://www.zhihu.com/question/58200555，L1 loss对噪声更鲁棒。

参考网址：https://zhuanlan.zhihu.com/p/24916624