17、目标检测与图像编解码器技术解析

目标检测与图像编解码器技术解析

1. Faster R - CNN 训练解析

1.1 Faster R - CNN 架构与训练特点

Faster R - CNN 因其独特架构，不能像常规 CNN 那样训练。若网络两部分分开训练，各部分的特征提取器权重无法共享。其完整架构可处理任意输入大小的图像。

1.2 RPN 训练

• 输入输出 ：RPN 的输入是图像，输出是感兴趣区域（RoIs）列表。每张图像有 H × W × k 个提议（H 和 W 是特征图大小，k 是锚框数量），此时不考虑物体类别。
• 采样技术 ：直接训练所有提议较困难，因为图像大多是背景，网络会倾向于预测背景。所以采用采样技术，构建 256 个真实锚框的小批量，其中 128 个为正样本（包含物体），128 个为负样本（仅含背景）。若正样本少于 128 个，则使用所有正样本，其余用负样本填充。

1.3 RPN 损失

RPN 损失比 YOLO 简单，由两项组成：
- 各项含义 ：
- i 是训练批次中锚框的索引。
- pi 是锚框为物体的概率，pi 是真实值（正样本为 1，否则为 0）。
- ti 是坐标细化向量，ti 是真实值。
- Ncls 是训练小批量中真实锚框的数量。
- Nreg 是可能的锚框位置数量。
- Lcls 是两类（物体和背景）的对数损失。
- λ 是平衡损失两部分的参数。