此处的彼声的博客

Faster rcnn的整体框架：上图1是faster rcnn的整体框架，图2是anchor的选取1.在RPN网络中对每个特征点选取9种anchor，其中anchor的位置对应的是在原图上的位置，而不是在特征图上的位置，对bbox做回归修正包围也是使用原图中的GT区域做loss。2.在RPN层之后的ROI POOLing的输入是根据RPN中的anchor通过原图找到的对应的特...

AlexNet：五层卷积，每层卷积层后面都有relu激活函数，第一二层后通过了LRN层和池化层，三层全连接网络，最终的输出层是1000通道的softmax。文章中说该模型有5层卷积，去掉任意一层都会使结果不好。在训练模型过程中，覆盖的池化层更不容易过拟合。前两层全连接层使用了dropout。VGGNet：有VGG11,13,16,19，每个VGG网络都有3个FC层，5个池化层，...

R-CNN系列算法是two-stage（两步走算法），yolo和ssd属于one-stage算法。yolo v1：把图片分成若干个小区域，每个小区域负责检测是否有物体的中心点落在其中，每个小区域可预测多个box，但是只能检测一个物体。算法首先把输入图像划分成S*S的格子，然后对每个格子都预测B个bounding boxes，每个bounding box都包含5个预测值：x,y,w,h和co...