Yale-曼陀罗

区域候选网络RPN（Region Proposal Network）的学习、理解Anchors详解`generate_anchors.py`文件中generate_anchors函数源码解读Anchor的产生过程：RPN（Region Proposal Network）：它是首先在Faster RCNN中提出的，其 核心功能： 1. 得到用来预测的feature map。 具体而言：图像在输入网络后，依次经过一系列卷积+ReLU得到了51×39×25651×39×25651×39×256维的featu

Bounding-Box Regression边界框回归的学习和理解引言1. （Why?）为何要做边框回归？2. （What?）什么是边框回归？3. （How?）如何实现边框回归？4. 边框回归为什么使用相对坐标差？5. 为什么边框回归只能微调，且只有距离Ground Truth较近的时候才能生效？引言由于Faster RCNN = RPN + Fast RCNN，因此，为了学习和理解Faster RCNN，本人研究了RPN的实现原理，在学习RPN实现原理的过程中，又不可避免地开始深专Bounding-

RoIPooling和RoIAlign的学习和理解绪论RoI pooling的前世今生1、（Why?）为何需要RoI Pooling？2、（What?）什么是RoI Pooling？3、（How?）RoI Pooling的计算过程？4、Region of interest pooling — exampleRoIAlign的提出和原理1、（Why？）RoIAlign提出的原因RoIPooling与SPP的异同6、RoI pooling与RoI Align的相同点7、双线性插值法绪论附上Mask R-CN

神经网络の感受野的学习、理解与思考感受野是什么感受野的计算Calculating Receptive Field of CNN感受野是什么感受野被定义为卷积神经网络特征所能看到输入图像的区域，换句话说特征输出受感受野区域内的像素点的影响。下图展示了一个在输出层达到了7*7感受野的例子：感受野The receptive field is defined as the region in the input space that a particular CNN’s feature is lookin

Pytorch中tensor.expand函数Tensor.expand()函数详解Tensor.expand_as()函数Tensor.expand()函数详解函数语法：# 官方解释：Docstring:expand(*sizes) -> TensorReturns a new view of the :attr:`self` tensor with singleton dimensions expandedto a larger size.基本功能：tensor.expand

错误yaml.constructor.ConstructorError: could not determine a constructor for the tag错误提示：Traceback (most recent call last): File "tools/train_net.py", line 133, in <module> main() File "tools/train_net.py", line 98, in main if args.cfg_fi