目标检测：fasterRCNN 的框架proposal层的scope图

最新推荐文章于 2025-05-31 15:46:51 发布
原创 最新推荐文章于 2025-05-31 15:46:51 发布 · 649 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#fc层

本文详细介绍了Faster R-CNN目标检测框架的关键组成部分，包括proposal层的scope图，特征map层的不同设置，以及卷积核的选择。指出特征map层可采用不同步长，卷积核大小也有多种选择，最后通过fc层实现目标分类和位置回归。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

fasterRCNN 的框架proposal层的scope图

特征map层可以使用stride=8的和stride=16的，卷积核可以使用小点的32或者64的卷积核；最后用一个fc层就可以了！

面试真题总结：Faster Rcnn，目标检测，卷积，梯度消失，Adam算法
柏拉图工作室-AI学科
01-19 2万+
目标检测可以分为两大类，分别是什么，他们的优缺点是什么呢？ 答案：目标检测算法分为单阶段和双阶段两大类。单阶段目标验测算法（one-stage），代表算法有 yolo 系列，SSD 系列；直接对图像进行计算生成检测结果，检测速度快，但检测精度低。双阶段目标验测算法（two-stage），代表算法 RCNN 系列；先对图像提取候选框，然后基于候选区域做二次修正得到检测点结果，检测精度较高，但检测速度较慢。【单阶段偏应用,因为在精度没有差很多的情况下，速度很快，就会选择单阶段目标检测算法；双阶段偏比赛，只注重精
目标检测--Faster RCNN算法架构及关键点解析
qinghuaci666的博客
06-21 2195
Fast-RCNN基本实现端对端（除了proposal阶段外），下一步自然就是要把proposal阶段也用CNN实现（放到GPU上）。这就出现了Faster-RCNN，一个完全end-to-end的CNN对象检测模型。本文是继RCNN，fast RCNN之后，目标检测界的领军人物Ross Girshick团队在2015年的又一力作。简单网络目标检测速度达到17fps，在PASCAL VOC上准确率...
faster rcnn 网络结构图解
10-15
faster rcnn 网络结构图解
faster rcnn结构
weixin_34007291的博客
09-27 108
rpn-data层输入的是data即整张图片，然后是根据映射生成roi框 rpn-loss-bbox输入的才是整个网络预测的roi框 bbox_transform在rpn-data层使用，把生成的achor，并不是把预测的roi框回归     rpn_loss_bbox，论文中定义输入是ti和ti*，ti和ti*是4维向量，但ti和ti*并不是预测框坐标和gt框坐标（即左上右下）。ti应该是论文中...
目标检测之Faster R-CNN
最新发布
qq_45647530的博客
05-31 1020
阶段任务分类损失回归损失是否只对正样本回归RPN二分类交叉熵损失Smooth L1✅ 是Fast R-CNN多分类Softmax + 交叉熵Smooth L1（多类）✅ 是这种设计是 Faster R-CNN 成功的重要原因之一，为后续如 Mask R-CNN、RetinaNet 等提供了统一思路。
Faster-rcnn详解
热门推荐
WZZ18191171661的博客
03-04 3万+
论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 论文链接：论文链接 论文代码：Matlab版本点击此处，Python版本点击此处 作为一个目标检测领域的baseline算法，Faster-rcnn值得你去仔细理解里面的细节，如果你能深入的了解这些，我相信你会受益匪浅。...
faster rcnn网络结构图解
01-07
faster rcnn网络结构图解
Faster R-CNN 图解
复兴之矢
02-21 4461
作者：晓雷 链接：https://zhuanlan.zhihu.com/p/24916624 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 Fast-RCNN基本实现端对端（除了proposal阶段外），下一步自然就是要把proposal阶段也用CNN实现（放到GPU上）。这就出现了Faster-RCNN，一个完全end-to-end的CNN对象检测
目标检测经典论文——Faster R-CNN论文翻译：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Net
bigcindy的博客
07-29 5436
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Faster R-CNN：通过Region Proposal网络实现实时目标检测 Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun Abstract State-of-the-art object detection networks depend on r...
Faster RCNN论文 中英对照
weixin_43138233的博客
10-02 2313
Faster RCNN翻译与解读Faster R-CNN: Towards Real-Time Object Detection with Region Proposal NetworksAbstract摘要1. Introduction1. 引言2. RELATED WORK3. FASTER R-CNN3. FASTER R-CNN3.1 Region Proposal Networks3.1...
Faster RCNN全文翻译
FaLoDr_的博客
11-30 662
无
faster rcnn
07-21
论文：《Faster R-CNN: Towards Real-Time ObjectDetection with Region Proposal Networks》摘要：算法主要解决两个问题：1、提出区域建议网络RPN，快速生成候选区域；2、通过交替训练，使RPN和Fast-RCNN网络共享参数。
FasterRCNN 代码解析二 ： proposal_layer.py proposal_target_layer.py
这世界缤纷多彩
03-20 767
首先，笔者先解析一下proposal_layer.py，完成的功能是根据RPN的输出结果，提取出所需的目标框(roi)。按照惯例，笔者先放出代码解析： # -*- coding: utf-8 -*- """ Created on Mon Jan 2 19:25:41 2017 @author: Kevin Liang (modifications) Proposal ...
FasterRCNN之整体框架详解
littlehaes的博客
10-24 1万+
欢迎访问我的个人主页 训练时迭代了50000次,pascal2007测试结果MAP=0.65,其中,chair的ap最低0.46,horse的ap最高0.81 运行环境:CUDA8,cuDNN7,1070Ti,TensorFlow1.4.0,python2.7 训练集:voc_2007_trainval 训练时间148分钟 测试集:voc_2007_testt 测试时间10分钟(5000图) 刚接...
Faster-RCNN结构原理图
Victor_X的博客
01-23 991
看了很久Faster-RCNN的代码论文博客，总算把它的结构和原理搞明白了，为了加深记忆和帮助其他人学习，画了一个Faster-RCNN结构原理图，只是一个较为大致的框架原理，其中的具体细节还是得自己去看看代码才能明白。 主要参考：知乎文章《一文读懂Faster RCNN》：https://zhuanlan.zhihu.com/p/31426458 参考代码为：https://github.com/chenyuntc/simple-faster-rcnn-pytorch ...
Faster-RCNN网络
最白の白菜的博客
03-02 4994
Faster-RCNN网络 学习目标 熟悉FasterRCNN目标检测的思想 知道anchor（锚框）的思想 掌握RPN网络是如何进行候选区域的生成的 掌握ROIPooling的使用方法 知道fasterRCNN的训练方法 在R-CNN和Fast RCNN的基础上，在2016年提出了Faster RCNN网络模型，在结构上，Faster RCNN已经将候选区域的生成，特征提取，目标分类及目标框的回归都整合在了一个网络中，综合性能有较大提高，在检测速度方面尤为明显。接下来我们给大家详细介绍fasterR
faster-rcnn的网络结构图和代码详解
shang_bo_liang的博客
04-04 3245
【代码阅读】Faster RCNN 网络结构详解_麒麒哈尔的博客-优快云博客_fasterrcnn网络结构
FasterRCNN框架解读
qq_36303832的博客
06-21 842
1、写在前面 从零开始入门物体检测。物体检测的网络架构和普通的任务有所不同，简单来讲就是子模块更多，从图像到最终结果的过程更加复杂。本文是FasterRCNN的框架解读，还没有具体到代码层面（即将更新代码解读）。其中涉及一些概念，比如anchor，bbox，FPN等等。这些概念对于没了解过物体检测的人来讲肯定十分陌生。为了对物体检测有个大概的了解，在看了许多许多的博客之后，我认为这篇最有帮助：https://zhuanlan.zhihu.com/c_1167555485703315456 想要深入了解F
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值