码迷,mamicode.com
首页 > 其他好文 > 详细

目标检测-R-FCN

时间:2019-03-07 10:24:39      阅读:251      评论:0      收藏:0      [点我收藏+]

标签:池化层   roi   正负样本   目标检测   类别   获得   变换   line   osi   

1、R-FCN结构

适应全卷积化CNN结构,提出全卷积化设计

共享ResNet的所有卷积层

引入变换敏感性(Translation variance)

  1、位置敏感分值图(Position-sensitive score maps)

    特殊设计的卷积层

    Grid位置信息+类别分值

  2、位置敏感池化(Position-sensitive RoI pooling)

    无训练参数

    无全连接网络的类别判断

位置敏感卷积层:使用k^2(C+1)个通道对(位置,类别)进行组合编码

    类别:C个物体类+1个背景类

    相对位置:K*K个Grid

位置敏感RoI池化层:显式地编码相对位置信息

R-FCN的Score map的可视化

2、R-FCN的训练

OHEM(Online Hard Example Mining)

  首先对RPN获得的候选ROI(正负样本分别进行排序)进行排序操作;

  然后在含有正样本(目标)的ROI中选择前N个ROI,将正负样本的比例维持在1:3的范围内,保证每次抽取的样本中都会有一定的正样本

  这样训练可以提高网络的分类能力

Faster R-CNN的4步训练法

  2轮:RPN跟R-FCN交替训练

 

目标检测-R-FCN

标签:池化层   roi   正负样本   目标检测   类别   获得   变换   line   osi   

原文地址:https://www.cnblogs.com/wyx501/p/10487806.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!