Faster R-CNN网络架构

**

Faster R-CNN网络架构原理解析

**
Faster R-CNN网络架构_第1张图片
Faster R-CNN网络架构_第2张图片
Anchor的第一个分支是一个分类分支负责判断途中有没有东西,但是不会判断物品
第二个分支在这里插入图片描述是回归分支表示Anchor和真实值有多远最终提取的候选框尽量向真实值靠拢。

RPN层是如何提取候选区域
Faster R-CNN网络架构_第3张图片
Faster R-CNN网络架构_第4张图片
RPN的网络结构
Faster R-CNN网络架构_第5张图片
首先经过一个33的卷积分成两个二分支然后分别使用11的卷积得到分类分支和回归分支,每个像素点取9个anchor,在分类分支当中我们需要两维来判断anchor是不是包含物体,回归分支当中需要四维来判断anchor和真是框的相对位置。然后将RPN部分的输出和anchor相结合得到proposals。
Faster R-CNN网络架构_第6张图片

Faster R-CNN网络架构_第7张图片
Faster R-CNN网络架构_第8张图片
RPN的损失函数
Faster R-CNN网络架构_第9张图片

你可能感兴趣的:(python机器学习,cnn,网络,深度学习)