Anchor和RPN的浅薄理解(二)-mmdetection中Anchor参数深层含义及FPN与RPN的联系

看到标题肯定会想到mmdecection配置文件中下面三个参数,在训练时这三个参数是需要根据数据集和不同的网络结构进行调整的,开门见山:

anchor_scales=[8]
anchor_ratios=[0.5, 1.0, 2.0]
anchor_strides=[4, 8, 16, 32, 64]
  • anchor_scalesAnchor的基础尺寸的缩放比例,是控制Anchor大小最重要的参数。Anchor的基础尺寸在代码中与anchor_strides的数值相等,它代表着特征图中每一个点对应原始图像的感受野的大小。由于采用3×3滑窗在获取anchor box对应特征,因此原图上anchor box的真正大小 = 基础尺寸 × 缩放比例,这个缩放比例(anchor_scales)是一个经验值,最终得到的真正anchor的大小代表着3×3滑窗取出的特征所映射到原图的具体位置。
  • anchor_stridesanchor步长设置。

版权声明:本文为CSDN博主「@会飞的毛毛虫」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_42308217/article/details/122788803

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

mmdetection、yolo系列等目标检测任务的学习率调度器

学习率(Learning rate,简称lr)作为目标检测这类监督学习中最重要的超参,其决定着分类函数或边界框回归函数能否收敛到局部最小值以及何时收敛到最小值。正确的学习率可使目标函数在合适的时间内收敛到局部最优。同时,学习率可以在训练的过程中