Anchor和RPN的浅薄理解(一)-Anchor Box和特征的对应

首先:一幅图说明一切(创作不易,欢迎订阅(*^_^*))

  • 明确第一个概念:anchor是特征上的每个像素映射到原图上的相应位置的点,其位置是在原始图像上。anchor box是以anchor为中心按照预先设定的比例和尺寸得到的矩形框,其位置也是在原始图像上。
  • 明确第二个概念:边界框回归参数预测阶段的输入不是坐标位置,而是图像的特征信息。

明确完以上两个概念后再来研究研究anchor:

  • 初始时通过3×3卷积(stride=1,padding=1,卷积核个数=输入特征的channel)后,得到的特征矩阵的宽、高和channel都和之前的feature是

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/122549716

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