maskrcnn-benchmark 代码详解之　balanced_positive_negative_sampler.py

leijieZhang

于 2019-06-05 15:45:03 发布

阅读量1.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： maskrcnn benchmark 文章标签： maskrcnn benchmark balanced_positive_negative_sam 目标检测卷积神经网络正负边框比例调节

本文链接：https://blog.youkuaiyun.com/leijieZhang/article/details/90903462

本文详细解析了maskrcnn-benchmark框架中用于目标检测的balanced_positive_negative_sampler.py代码，该模块主要负责在RPN生成的候选边框中，调整正负样本比例，通常设置为1:1，以优化模型训练效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

　　在二阶段目标检测的卷积神经网络模型中，在经过RPN筛选出相应的候选边框（Proposal)中应既包含内容为背景的边框又包含内容为目标的边框。这就需要一次对这两种边框数目的调整，以使得模型训练效果更好，这两种边框的选择比例一般为１：１，但是随着检测任务的不同而不同。在maskrcnn benchmark中实现这一操作的代码为balanced_positive_negative_sampler.py：

# Copyright (c) Facebook, Inc. and its affiliates. All Rights Reserved.
import torch


class BalancedPositiveNegativeSampler(object):
    """
    This class samples batches, ensuring that they contain a fixed proportion of positives
    """
    """
    这个类是用来平衡选出来的候选框中正样本和负样本的比例平衡一些
    """

    def __init__(self, batch_size_per_image, positive_fraction):
        """
        Arguments:
            batch_size_per_image (int): number of elements to be selected per image
            positive_fraction (float): percentace of positive elements per batch
        """
        """
        参数：
            batch_size_per_image：每一张图片上提取的候选框的个数
            positive_fraction：在提取的候选框中正样本应占有的比例
        """
        self.batch_size_per_im