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
用户5191495848451 小时前
Windows 渗透测试载荷加载器 POC 工具集
人工智能·aigc
大树881 小时前
金刚石散热越强,管路越先见顶
大数据·运维·服务器·人工智能·ai
通信小呆呆2 小时前
当算法有了“五感”:多模态数据融合如何向人体感官协同学习?
人工智能·学习·算法·机器学习·机器人
施小赞2 小时前
普通 RAG vs GraphRAG 核心对比
人工智能·ai
EAIReport2 小时前
RuoYi-AI 企业级AI开发平台实战详解
人工智能
xiao5kou4chang6kai42 小时前
MATLAB机器学习、深度学习--从数据预处理到模型训练
深度学习·机器学习·matlab·数据预处理
HelloWorld__来都来了2 小时前
【每日学术速报】2026-06-15
人工智能·具身智能
H__Rick2 小时前
自动对焦学习-3
人工智能·学习·计算机视觉
SpaceAIGlobal2 小时前
AI 生成 PPT 工具深度评测与选型指南
人工智能·powerpoint