Faster Rcnn

一、公用特征Feature Maps的获取

二、Region Proposal Network

Feature Mapsbs,1024,38,38经过3*3卷积,然后分别经过两个1*1的卷积,通道数分别为18,36

18 = 9*2 代表每个位置9个先验框为背景和目标的概率

36 = 9*4 代表每个位置9个先验框的坐标调整参数(Faster Rcnn也是有先验框的)

先验框 + 位置调整参数 = 建议框

建议框的初筛

由于建议框非常多,要对建议框进行初筛,先根据建议框是目标的分数,选出得分最高的前K个建议框,再进行NMS,然后再选出得分最高的前K个建议框。如一张照片有300个建议框。

三、ROI Pooling

根据建议框的参数,在Feature Map上裁剪出对应特征,比如1024,82,79,每个特征的大小是不一样的,

相关推荐
NineData4 分钟前
DTCC 2026 预告|NineData CEO& 创始人叶正盛:面向 AI Agent 的数据库 DevOps 与数据复制实践
数据库·人工智能·数据库开发·devops·ninedata·数据库技术·dtcc
Eloudy6 分钟前
LLM agent 分拆任务的能力来源
人工智能·机器学习
circuitsosk16 分钟前
跨境电商智能化实战:AI如何赋能客服自动回复、广告智能投放与供应链预测
大数据·人工智能·python·langchain·智能客服
甲维斯17 分钟前
美版豆包G3.7Flash,快到飞起,超3分钟算我输!
人工智能
sunneo26 分钟前
每周GitCode开源推荐:AI编程助手AtomCode
人工智能
AIDANHANG42 分钟前
最小可售:不是最小可炫
人工智能
鲲穹AI种草1 小时前
图片水印处理工具记录:多款 AI 去水印工具能力边界整理
人工智能·图片水印处理工具
企鹅的企1 小时前
2027北京AI健康科技与智慧医疗展官方精准邀约进行中
人工智能·科技
高德诚1 小时前
探索桌面智能的无限可能:小小舵机,撑起 AI 仿生交互的完整未来
人工智能