Feature Pyramid Networks
对于Faster Rcnn使用FPN，cocoAP提升2.3个点，pascalAP提升3.8个点
1*1的conv，调整通道数，原论文中的1*！的卷积核个数为256，即最终得到的特征图的channel都等于256.
2倍上采样，7*7变成14*14，代码中是邻近插值算法
此处参考：
https://www.bilibili.com/video/BV1dh411U7D9?spm_id_from=333.999.0.0
版权声明：本文为CSDN博主「我真帅66」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_53029963/article/details/122400943
什么是先验框？
了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念，那么什么是先验框，为什么要有先验框？若要解释这个问题，首先我们需要了解边界框回归原理。
b
YOLOv3学习之锚框和候选区域
单阶段目标检测模型YOLOv3
R-CNN系列算法需要先产生候选区域，再对候选区域做分类和位置坐标的预测，这类算法被称为两阶段目标检测算法。近几年，很多研究人员相继
IoU：使用最广泛的检测框loss。 GIoU：2019年CVPR Generalized Intersection over Union: A Metric and A Loss for Bounding Box
V1损失函数： 1、标注图像某位置有目标，预测为有>计算not response loss 未响应损失以及box框的坐标等的信息对应蓝色框和红色框
其代码为： # # # # # # # # # #
暂无评论