maqian5的博客

小样本目标检测实践

RoIPooling这个可以在Faster RCNN中使用以便使生成的候选框region proposal映射产生固定大小的feature map。先贴出一张图，接着通过这图解释RoiPooling的工作原理针对上图Conv layers使用的是VGG16，feat_stride=32(即表示，经过网络层后图片缩小为原图的1/32),原图800∗800800*800800∗800,最后一层特征图feature map大小:25∗2525*2525∗25假定原图中有一region proposa

本文仅做记录，供本人私下查阅。调试Faster RCNN的初衷是进行光学镜片表面疵病质检项目，找到了一个Faster RCNN开源代码，github地址：https://github.com/jwyang/faster-rcnn.pytorch，master分支使用的是pythorc0.4.0，与GPU服务器上的环境不匹配导致CUDA编译失败。最后选择的是pytorch-1.0分支，在GPU服务器上调试成功，项目位于根目录下，项目名称为faster-rcnn.pytorch-pytorch-1.0，使用的

本文为转载博客，原博客地址：https://blog.youkuaiyun.com/shenxiaolu1984/article/details/51066975Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmentation.” Proceedings of the IEEE conference on computer vision and pattern recogn