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
IT_陈寒11 分钟前
Java里用Stream.parallel()翻车实录,这性能还不如单线程
前端·人工智能·后端
王国强200916 分钟前
OmniDocBench 深度解析:从评测原理到评测开源/闭源 OCR 模型实战
人工智能
小淮AI17 分钟前
AI能看财报吗?从18个模型实测到5类工具的使用观察
人工智能
goujunwe22 分钟前
GEO 的胜负藏在标签里
人工智能
Young丶42 分钟前
讲透 Claude Code 系列 (四):Claude Skills 完全指南:可复用的“专业能力包”从入门到精通
人工智能·ai·ai编程·ai coding
阿里云大数据AI技术1 小时前
Hologres:一站式 Agentic 多模态检索分析平台
人工智能
回眸&啤酒鸭1 小时前
【回眸】AI新鲜事——百度 AI 搜索实战应用场景与落地
人工智能·百度
jsl_jsl_jsl1 小时前
《Agent 的记忆怎么做:实时记忆、被动压缩与主动整理的三层设计》
人工智能
词却1 小时前
深度学习入门:数据预处理与自定义数据集
深度学习