cascade中FPN base模型图理解

cascade中FPN base模型图理解_第1张图片

0.上图是普通的FPN

 

1.下面是我自己手绘的模型图,首先C2-C5 表示的res2c-res5c每个对应的末层进行1*1*256全卷积,保证通道的一致。

2.下图1中包含了从下往上(up branch)(不断向上 下采样)即把底层的细节带给顶层,这样P5这样的层寻找大目标的时候就会更准确,和从上往下(down branch)(不断向下 上采样),保证底层的语义信息增强,小目标的勘测能力变强。且下图给出了最方便的P2和P5层。

3.下图2给出了P3,P4的生成。

4.最终P层后面都接上RPN就是RPN

注意:cascade中已经把上采样改成了反卷积,也因此short size这些只能是32的倍数

cascade中FPN base模型图理解_第2张图片cascade中FPN base模型图理解_第3张图片

 

------------------------------------------------------------------------------------------------

 

后来添加,整体理解的添加,和普通的FPN自底向上和自顶向下不一样。注:下文用到的C层都是经过全卷积的,通道都是256.

普通的P2层是C2+P3(上采样)=

C2+((C4经过3*3去混叠+C5经过3*3去混叠*上采样)*上采样+C3经过3*3去混叠*上采样后3*3卷积,去除混叠现象。

cascade base中的P2=C2+C3上采样+C4上采样上采样+C5上采样上采样上采样,然后3*3卷积,去除混叠现象。

------------------------------------------------------------------------------------------------

普通的P3层=C3+P4(上采样),然后3*3卷积,去除混叠现象。

cascade base中的P3=C5上采样上采样+C4上采样+C3+C2下采样然后3*3卷积,去除混叠现象。

------------------------------------------------------------------------------------------------

同理P4层=C4+P5(上采样)=C4+C5经过3*3去混叠*上采样,然后3*3卷积,去除混叠现象。

cascade base中的P4=C5上采样+C4+C3下采样+C2下采样下采样然后3*3卷积,去除混叠现象。

------------------------------------------------------------------------------------------------

普通P5=C5然后3*3卷积,去除混叠现象。而cascade base中的P5=C5+C4下采样+C3下采样下采样+C2下采样下采样下采样,然后3*3卷积,去除混叠现象。

------------------------------------------------------------------------------------------------

灵感:这么做就有一点点PANet的感觉了,但又不是PANet。

说他像,是因为他的自底向上的这种short cut是同一种思维。也就是多了底层相加的操作,不像原来就是一股脑往上传。

说他又不是,是因为PANet中相加的操作,用的是P层与P层的下采样相加得到N层,而这里却用到的是C层与C层的下采样还有C层的上采样相加

=======================================================

下图是PAnet的意绘图。

cascade中FPN base模型图理解_第4张图片

-------------------------------------------------------------------------------------------------

 

你可能感兴趣的:(cascade,rcnn,cascade,rcnn目标检测)