hugegrunt的博客

卷积层图像尺寸相关计算公式，构建模型时的速查版。计算出的图像尺寸参数大多数默认都是向下取整

本文重点介绍Faster RCNN的结构以及其中的一些注意事项。重点以偏重直观理解为主，不求严谨。对于Faster RCNN网络的训练方法并未在本文中提及。Fast RCNN提出了将SS找出的ROI映射到CNN网络提取出的feature map上的方法。而Faster RCNN 也继承了这一思路，并且在此基础上对ROI的提取方式做了改进。

一般的目标检测算法的目的是在原图上生成若干个边界矩形框，bounding box（bbox），要求是生成的bbox尽可能的不多不少刚好完整包裹住目标物体。我们可以用一些方法来生候选边框，并且将这些候选框进行分类检测，将除了背景以外的框保留作为我们的输出。这些不在本文的重点关注内容里。本文关注的是当筛选出含有目标物体的边框之后，边框位置的精修问题。本文中对算法说明的顺序可能和其他文章不同，我希望从更加直观的角度去理解这个算法。本文的算法以RCNN实现的bbox回归为参考。...

简要的记录了下RCNN论文的关键主干内容，删除了一些严谨性和补充性的表达，该篇文章的作用应视为简要浏览或者查阅RCNN的基本原理而使用。论文中图片部分没有粘贴，详细说明和参考图片请阅读原文。本文侧重实现原理的说明，其他部分略过或者简写。