R-CNN常见问题

标签：设计   soft   问题   阈值   pool   位置   建议   特征提取   随机   

可以不进行特定样本下的微调吗？可以直接采用AlexNet CNN网络的特征进行SVM训练吗？

不针对特定任务进行微调，而将CNN当成特征提取器，pool5层得到的特征是基础特征，类似于HOG、SIFT，类似于只学习到了人脸共性特征；从fc6和fc7等全连接层中所学习到的特征是针对特征任务特定样本的特征，类似于学习到了分类性别分类年龄的个性特征。

为什么微调时和训练SVM时所采用的正负样本阈值【0.5和0.3】不一致？

微调阶段是由于CNN对小样本容易过拟合，需要大量训练数据，故对IoU限制宽松：

Ground Truth+与Ground Truth相交IoU>0.5的建议框为正样本，否则为负样本； 

SVM这种机制是由于其适用于小样本训练，故对样本IoU限制严格：

Ground Truth为正样本，与Ground Truth相交IoU＜0.3的建议框为负样本。

为什么不直接采用微调后的AlexNet CNN网络最后一层SoftMax进行21分类【20类+背景】？

微调阶段正样本定义并不强调精准的位置，并且微调阶段的负样本是随机抽样的。

回归时为什么会这样设计？

尺度归一化。

R-CNN常见问题

标签：设计   soft   问题   阈值   pool   位置   建议   特征提取   随机   

原文地址：https://www.cnblogs.com/pacino12134/p/11405856.html