qq_42820467的博客

输出feature map设计准则：偏移量的计算：tx=;ty=;tw=;th=训练网络：VGG之后加个ROIPooling,再加三个全连接测层和softmax,一个batch两个图片，只取正样本损失函数：L1loss:对outliers不敏感，是一个拼接的函数，但是在“断点”是连续的L2loss:误差均方和，对离群点较敏感，易产生梯度爆炸（这是一个改进点）分类：finetune：使一个统一的网络分阶段、多loss、具有记忆功能、用CNN相关模块实现ss算法将分类的思路与回归结合起

一般分类模型简述：包括三部分：前向传播部分、损失函数部分和反向传播部分；输入为一张图片，通常我们用一个矩阵来表示。输出为一个one hot向量，代表目标属于哪一个类别。中间的过程通常为cbrp的叠加，最后加上全连接层（分类头或者决策层）。1.当一幅图像中有多个目标时，这时候我们如何输出多个目标的检测框，甚至在未知目标个数的时候。。这时考虑到将特征图划分区域，让每一个区域负责回归一个检测框。如果一个小区域存在多个目标时，可以考虑将区域划分的更细致，但这并不能从根本上解决问题。如何从这些区域的检测结果中

![在这里插入图片描述](https://img-blog.csdnimg.cn/20201013085603664.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM

RCNN注意点1.onehot向量 0,0,0,1,0,0,0,0,0,0，用来代表分类后的类别，表示属于第四类。2.检测模型的输入是一个图像矩阵，输出是目标位置的大小，比如（x,y,w,h）3.检测问题实际上就是一个遍历操作，遍历所有位置，遍历所有大小4.模型提升方向：速度、精度5.同性缩放：未失真（一般padding是用0来填充）；异性缩放：会失真（用周围像素来填充），简单来讲就是横纵直接拉伸框架分类模型的前向计算过程：img3->cbrp16->cbrp32->c

重点理解1.如何简化2000次的CNN?在RCNN中，通过SS算法提取2000个ROI区域，再将2000个ROI从原始图像中扣出并统一进行resize，最后通过2000个CNN提取特征;在fast rcnn中，利用convolution的位置对齐性，直接经过CNN提取特征，然后再在feature map上提取ROI区域。2.feature map上提取的ROI大小不同，如何送到全连接层进行分类？一般情况下，pooling用到的卷积核是固定的，大小为22,stride=2.。但是ROI大小不同，我