MPSR的要点讲解

MPSR的要点讲解
在这里插入图片描述
主体的faster rcnn结构不变,新增加一个分支,新分支的输入是提取的经过图像金字塔处理有偏移的目标方形框,人工地将裁剪的目标的不同尺度与FPN的不同级别进行对应。然后通过损失函数对分类和前背景进行调整。(如下图,如32*32的目标图像,RPN这一支激活FPN的P2,上图中的上边一个分支,RoI这一分支激活FPN的P2,上图中的下边一个,然后得到的结果参数最后的损失计算,用于refine结果。)
Refinement Branch分支和faster rcnn分支的FPN共享参数。
在这里插入图片描述

版权声明:本文为CSDN博主「暄染落墨」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_36136196/article/details/121938659

暄染落墨

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

分享 | 物体检测和数据集

因为最近学习任务比较紧(但也不妨碍元旦摆烂三天),所以中间有几个实战Kaggle比赛就跳过了,等以后有时间再回头来看看。物体检测和数据集这一节花了有一天的时间,一直有一个bug困扰,后来改了代码把box

目标检测——yolov3论文精读

📝论文下载 Abstract(摘要) YOLOv3在YOLO的基础上做了一些更新,重点在于提升检测的精度。当图片的分辨率为320 × 320,YOLOv3只使用了22 ms进行检测, m