My Blogs

参考链接：pytorch-faster-rcnn第一步：安装Anaconda，参考【Ubuntu】安装Anaconda并搭建虚拟环境和迁移第二步：下载pytorch及其他安装包（注意以下所有操作都将在虚拟环境pytorch下进行）下载pytorch(CUDA版本)：https://pytorch.org/ ...

Abstract　　先进的目标检测网络依赖于区域提议算法来假设对象位置。像SPPnet和Fast R-CNN的改进减少了这些检测网络的运行时间，使区域提议计算成为瓶颈。在这项工作中，我们引入了一个区域提议网络（RPN），它与检测网络共享全图像卷积特征，从而实现了几乎无成本的区域提议。RPN是一个完全卷积网络，可同时预测每个位置的物体边界和对应分数。RPN被端到端地训练以生成高质量区域提议，其被...

参考链接：simple-faster-rcnn-pytorch

参考链接：Guide to build Faster RCNN in PyTorch

1. Network Organization Faster R-CNN主要解决了两个问题：第一，使用RPN网络提取可能包含目标的regions；第二，计算每个regions的类别概率，并将类别概率最大值作为分类结果。Faster R-CNN网络主要包括三部分：Head Region Proposal Network (RPN) Classification Netwo...