Pytorch VOC2012用于训练Faster RCNN

目录

• Faster RCNN的核心架构

  • 单个卷积层的设计

  • 区域建议网络（RPN）的应用

  • 2.1 锚框的生成

  • 2.2 RPN的真实值与预测值对比

  • 2.3 RPN分支网络的构建

  • 2.4 RPN真实值的计算过程

  • 2.5 损失函数的具体计算方法

  • 2.6 非极大值抑制与生成建议框的技术

  • 2.7 筛选建议框得到目标区域的过程

  • 3 RoI pooling层

  • • 3.1 RoI Pooling简介
    • 3.2 RoI Align简介

  • 4 全连接RCNN模块

本文首先阐述了Faster RCNN的核心概念及其方法论，并提供了详细的参考链接一文读懂Faster RCNN。

Faster RCNN基本结构

基于R-CNN和Fast RCNN的发展历程 Ross B. Girshick于2016年提出了一种改进型的Faster RCNN架构 这种创新性的设计实现了特征抽取 提取候选区域 proposal生成 bounding box回归 分类器集成到同一个网络架构中 这不仅显著提升了整体性能水平 更为重要的是特别强调了其在速度方面的优势