Faster R-CNN——学习笔记~

1 致谢

感谢网友theoqian的帮助，原文链接如下：

https://www.jianshu.com/p/cbfaa305b887

关于RPN的过程解释的十分通俗易懂！

2 Faster R-CNN的学习笔记

1.1 RPN

记得看一下Detectron2对 Faster R-CNN的实现，RPN的输出中是否包含置信度的评分；

在使用RPN的时候要注意，RPN输入的 feature maps中每个 feature maps的像素点对应的感受野必须要大于最大anchor的尺寸，这样才可以保证，当前点有能力对foreground和background进行区分的能力；

2 备注

2.1 Faster R-CNN的RPN的输入是有问题的

Faster R-CNN中，RPN的输入明显是有问题的，输入特征图中像素点的感受野要小于最大的anchor(512x512)，这明显是有问题的，感受野小于anchor，如何能判断这个anchor是否是前景还是后景呢?

2.1 回归网络的产生的原因

回归网络的产生的原因：弥补RP与 Ground Truth之前的差异性；由RP的性质我们可以知道，我们所枚举的RP不可能覆盖 Ground Truth的矩形框所有的情况。

2.2 回归网络为什么要使用log()函数？

回归网络用log()函数，因为大物体我们不介意误差大，但是小物体一定要精确，于是我们使用log()函数对物体的尺寸参数进行一个非线性映射。