【深度学习】相关概念

参考

感谢懒人元的 RPN 解析
YOLO解析参考 YOLO v2算法详解

---

Region Proposal Network & Selective Search

同为提取候选框的方法，经常容易弄混

下图表示的是Faster RCNN架构，由RPN和Fast RCNN构成。而Selective Search是利用纹理、颜色、大小、吻合等相似度来合并划分的区域，得到初步的候选框。

下图是细节展开：

---

ROI Pooling

他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定，如下图所示。

 —

NMS非极大值抑制

针对某一类别，选择得分最大的bounding box，然后计算它和其它bounding box的IOU值，如果IOU大于0.5，说明重复率较大，该得分设为0，如果不大于0.5，则不改；这样一轮后，再选择剩下的score里面最大的那个bounding box，然后计算该bounding box和其它bounding box的IOU，重复以上过程直到最后）。最后每个bounding box的20个score取最大的score，如果这个score大于0，那么这个bounding box就是这个socre对应的类别（矩阵的行），如果小于0，说明这个bounding box里面没有物体，跳过即可。

---

bounding box & anchor box

看论文博客的时候总是被这两个家伙搞混，还是要弄清楚才行。anchor box是一种先验知识，对训练的样本进行统计，取数量最多的几个形状作为anchor box。而bounding box是 不预设形状的，相对来说准确率没那么高。