本文介绍了一种利用卷积特征映射生成区域提议的方法。通过增加两个额外的卷积层，将每个特征图位置编码为特征向量，并为每个位置输出对象性分数，然后回归k个区域提议的边界框。在每个滑动窗口位置产生k个提议，reg层产生4k个坐标，cls层产生2k个分数。使用三种不同的尺度和纵横比，k设定为9。总共有WHk个锚点。
1.Introduction
我们基于一个ideao ： convolutional feature maps can also be used for generating region proposals.所以在此基础上，我们增加了两个额外的conv layers : 1）encode eacher map position into a short feature vector.(把每一个feature map的位置都encode成一个短的特征向量) 2)在每一个feature map的position上都输出一个objectness score，然后再为k个region proposals去回归边界。
在每一个sliding-window 的位置都会同时产生k个region proposals，所以在reg layer就会有4k个对应于k个boxs的坐标。cls layer会产生2k个scores计算每一个proposal的object/not-object的概率。每一个anchor都是在sliding window的中心，都和scale和纵横比有关。在这篇paper中我们用三个不同的scales和aspect ratio，所以k=9 at each sliding position。如果一个feature map的size是WxH那么总共会产生WHk个anchors
loss-function：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
