Faster R-CNN原理
简介
Fast R-CNN看似很完美了，但在Fast R-CNN中还存在着一个需要解决的问题，他需要先使用Selective Search提取框，这个方法比较慢，有时测试一张图片，大部分时间不是话在计算神经网络分类上，而是花在Selective Search上，在Faster R-CNN上，用RPN网络（Region Proposal Network）取代了Selective Search，不仅速度得到了提高，而且还或得了更加精确的结果。
RPN网络
RPN网络结构如图所示：
RPN还是需要先试用一个CNN网络对原始图片提取特征。不妨设这个前置的CNN提取的特征为51*51*256，即高度为51,宽为39，通道数为256.这个卷积特征再进行一次卷积计算，保持款，高，通道不变，再次得到一个51*39*256的卷积特征，称它一共有51*39个‘位置’。让新的卷积特征的每一个‘位置’都‘负责’原图中对用位置9中尺度的框的检测，检测的目标是判断框中是否存在一个物体，因此共有51*39*9个‘框’。在Faster R-CNN的原论文中，将这些框都统一称为‘anchor’。
anchor的9中尺寸如图所示，他们的面积分别，，。每种面积又分为3中长宽比，分别是2:1,1:2,1:1。anchor 的尺寸实际上是属于可调的参数，不同任务可以选择不同的尺寸。·
对于51*39个位置和51*39*9个anchor，如下图展示了每一个位置的计算步骤。设k为单个位置对应的anchor的个数，此时k=9.首先使用一个3*3的滑动窗口，将每一个位置转换为一个统一的256为特征，这个特征对应了两个部分的输出。一部分表示该位置的anchor为为题的概率，这部分的总输出长度为2*k（一个anchor对应两个输出：是物体的概率+不是物体的概率）。另一部分为框回归，框回归的含义与Fast R-CNN中一样，一个anchor对应4个框回归参数，一次你框回归部分的总输出的长度为4*k。
Faster R-CNN使用RPN生成候选框后，剩下的网络结构和Fast R-CNN中的结构一模一样。在训练规程中，需要训练两个网络，一个RPN网络，一个得到框之后使用的分类网络。通常的做法是交替训练，即在一个batch内，先训练RPN网络一次，再训练分类网络一次。
Faster R-CNN原理相关推荐
- Faster R CNN
Faster R CNN 3 FASTER R-CNN 我们的Faster R CNN 由两个模块组成,第一个模块是 proposes regions 的全卷积网络,第二个是使用 proposed r ...
- CNN原理与实践指南
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 卷积神经网络CNN是深度学习中的基础知识.本文对CNN的基础原理及 ...
- [Python人工智能] 八.卷积神经网络CNN原理详解及TensorFlow编写CNN
从本专栏开始,作者正式开始研究Python深度学习.神经网络及人工智能相关知识.前一篇文章介绍了什么是过拟合,并采用droput解决神经网络中过拟合的问题,以TensorFlow和sklearn的lo ...
- 【深度学习系列】卷积神经网络CNN原理详解(一)——基本原理(1)
上篇文章我们给出了用paddlepaddle来做手写数字识别的示例,并对网络结构进行到了调整,提高了识别的精度.有的同学表示不是很理解原理,为什么传统的机器学习算法,简单的神经网络(如多层感知机)都可 ...
- CNN原理及模型参数
CNN原理及参数 CNN原理 1.1卷积层 1.1.1卷积过滤器 1.1.2 Padding 1.1.3 单层卷积 1.2 池化 1.3 全连接层 2. 代码及参数 2.1 卷积Conv2D 参数 2 ...
- 卷积神经网络CNN原理详解(一)——基本原理
卷积神经网络CNN原理详解(一)--基本原理 转载过来为了自己以后学习方便,大家请看原文章 为什么要用神经网络? 特征提取的高效性. 大家可能会疑惑,对于同一个分类任务,我们可以用机器学习的算法来做, ...
- 卷积神经网络Convolution Neural Network (CNN) 原理与实现
本文结合Deep learning的一个应用,Convolution Neural Network 进行一些基本应用,参考Lecun的Document 0.1进行部分拓展,与结果展示(in pytho ...
- 系统学习深度学习（四） --CNN原理，推导及实现源码分析
之前看机器学习中,多层感知器部分,提到可以在设计多层感知器时,对NN的结构设计优化,例如结构化设计和权重共享,当时还没了解深度学习,现在看到CNN,原来CNN就是这方面的一个代表.CNN由纽约大学的Y ...
- Fast rcnn and Faster rcnn 算法原理
转载: http://blog.csdn.net/shenxiaolu1984/article/details/51036677 http://blog.csdn.net/shenxiaolu1984 ...
- 卷积神经网络(CNN)原理
学习目标 目标 了解卷积神经网络的构成 记忆卷积的原理以及计算过程 了解池化的作用以及计算过程 应用 无 3.2.1 卷积神经网络的组成 定义 卷积神经网络由一个或多个卷积层.池化层以及全连接层等组成 ...
最新文章
- 微信开放平台手机APP支付
- STE：中科院微生物所胡松年组揭示一年内医院ICU环境菌群的生物多样性
- Android 进程间通信 实例分析
- MP3文件转换成arduino可以直接播放的wav格式，MP3转WAV工具
- javascript练习----复选框全选，全不选，反选
- android软键盘上推ui解决
- psp模拟器完美字库_安卓PSP模拟器评测：战神——斯巴达之魂
- Pycharm安装包(类库)的方法总结及解决包下载慢的问题
- 古墓丽影暗影显卡测试软件,ROG STRIX RTX 2060 S显卡测试 就是这么能打！
- FileUriExposedException异常:file://与content://
- SCDM——多进(出)口流道的抽取
- 什么是HTTO协议？来看！
- 域控可以改计算机用户名,如何修改ActiveDirectory域控制器计算机名称
- 数据架构——数据架构
- 阿拉伯文变形规范，阿拉伯语变形规则，阿拉伯文组合规则
- 1505_TC275参考手册阅读笔记_调试系统
- 敏捷日记（2012年3月到2012年5月）
- RFID公安物证系统
- html实现好看的生日祝福(源码)
- 【python】标准库（第七讲）