【论文学习】RCNN/Fast RCNN/Faster RCNN/RFCN学习
2018-02-01 18:24
555 查看
一、Faster RCNN演化
1. RCNNSS(Selective Search)→resize→CNN→SVM→bbox回归
2、Fast RCNN
整图CNN之后SS(独立)→ROI pooling→softmax→bbox与class一起回归
3、Faster RCNN
整图CNN→RPN→ROI pooling→softmax→bbox与class一起回归
4、RFCN
整个RFCN结构。我认为这里主要做的改变是以resnet举例,fasterrcnn在91层后加入ROI pooling,而RFCN把resnet最后一层全连接层进行了修改,改成了1024个1*1*2048个卷积核,之后又经过k^2(C+1)个1*1*1024个卷积核,最后得到k^2(C+1)乘W乘H。这么做可以减少因为ROI pooling层失去了平移不变性带来的影响。
这里相当于把特征维度平均分成k^2份,分别计算ROI,然后取不同位置的(颜色相同)重新组成一个新的ROI区域,
这么做的原因什么???
我在这里有些疑惑,我认为这里减少了计算量。并且把复杂的计算放在ROI pooling层之前也节约了时间。但是其他的好处是什么??
二、Loss函数
左边为分类loss:
右边为bbox坐标的loss:
具体计算方式为:
三、网络图
RPN部分:
参考:http://blog.csdn.net/u010668907/article/details/51456928
http://blog.csdn.net/mllearnertj/article/details/53709766
相关文章推荐
- 目标检测方法总结(RFCN/SSD/RCNN/FastRCNN/FasterRCNN/SPPNet/DPM/OverFeat/YOLO)
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- 深度学习目标检测:RCNN,Fast,Faster,YOLO,SSD比较
- 论文阅读学习 - Faster R-CNN
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- RCNN学习笔记(7):Faster R-CNN 英文论文翻译笔记
- 【深度学习:目标检测】RCNN学习笔记(7):Faster R-CNN 英文论文翻译笔记
- R-CNN,SSP-Net,fast-RCNN,faster-RCNN论文读后笔记
- 目标检测方法总结(RFCN/SSD/RCNN/FastRCNN/FasterRCNN/SPPNet/DPM/OverFeat/YOLO)
- 深度学习目标检测:RCNN,Fast,Faster,YOLO,SSD比较
- 深度学习笔记之目标检测算法系列(包括RCNN、Fast RCNN、Faster RCNN和SSD)
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- R-CNN,SSP-Net,fast-RCNN,faster-RCNN论文读后笔记
- R-CNN SPPNet Fast r-CNN Faster R-CNN R-FCN 学习资源
- R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列深度学习检测方法梳理
- 【深度学习:目标检测】深度学习检测方法梳理:R-CNN,SPP-NET, Fast-R-CNN,Faster-R-CNN, YOLO, SSD系列
- rcnn ->fast rcnn->faster rcnn物体检测论文
- RCNN + SPP + FAST RCNN + FASTER RCNN+ YOLO 论文总结