一.理解fast-rcnn到faster-rcnn的结构
如果不理解faster-rcnn的结构就去看代码是不可能看懂的，faster-rcnn是在fast-rcnn的基础上改进的，那么我们就先从fast-rcnn开始
1. 选择性搜索Selective Search（SS）在图片中获得大约2000个候选框，使用的方法是Selective Search（SS）(Region Proposa)
2. 用vgg16 前五个阶段是conv + relu + pooling的多层的卷积网络得到一些特征映射(Feature Map)
3. 得到feature map，根据之前RoI框选择出对应的区域（既可以理解为将feature map映射回原图像）
4.通过ROI Pooling得到固定大小的特征，再把这些特征输入全连接层4096。
5.最后是21和84的两个全连接层（这两个全连接层是并列的，不是前后关系），前者是分类的输出，代表每个region proposal属于每个类别（21类）的得分，后者是回归的输出，代表每个region proposal的四个坐标。
6.最后是两个损失层，分类的是softmaxWithLoss，输入是label和分类层输出的得分；回归的是SmoothL1Loss，输入是回归层的输出和target坐标及weight。
7.最后对每个类别采用NMS（non-maximun suppression）
扫描二维码关注公众号，回复：
5893397 查看本文章
