模式识别与智能视觉-目标检测-上171102.pptx

目标检测-上模式识别与智能视觉实验室-北京邮电大学PatternRecognitionandIntelligentVisionLabPRIV

目标检测-上PaperPublicationSpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognitionECCV2014FastR-CNNICCV2015

目标检测-上

目标检测-上两阶段(two-stage)目标检测RegionproposalROIclsreg

目标检测-上

目标检测-上

目标检测-上ROIpoolingTransferlearningSmoothL1Loss

目标检测-上Selectivesearch

目标检测-上

目标检测-上ROIpooling/soeaver/py-RFCN-priv/blob/master/caffe-priv/src/caffe/layers/roi_pooling_layer.cpp

目标检测-上其中bottom_rois表示的是RoI在原图中的坐标,spatial_scale_表示的是原图与VGG特征层的空间缩放比例,如原图大小为(600,900),则特征层通过4次池化后,大小变为(37,56),spatial_scale_=1/16.如果RoI(原始图)对应的坐标为start=(100,100),end=(150,150),则通过计算后的RoI(特征层)对应的坐标为(6,6),(9,9).可以近似把RoI的映射关系看成是原图到Featuremap的等比例缩放.如下图,蓝色虚线框的表示RoI区域,原图在不断卷积成Featuremap时,空间分辨率不断减小,而RoI也保持同样空间分辨率缩小的比例,同时相对位置没有改变。这样的映射关系并不代表Featuremap的RoI区域对应的感受野就是原图的RoI,而是比原图的RoI大一部分,因为Featuremap上的RoI的边缘实际上其输入感受野已经超过原图的RoI区域(如上图绿色框表示的是Featuremap对应的感受野),这超出的部分可以认为是输入的上下文信息(context).

目标检测-上

目标检测-上Transferlearning接文章

目标检测-上用了3个预训练的ImageNet网络（CaffeNet/VGG_CNN_M_1024/VGG16）。预训练的网络初始化FastRCNN要经过三次变形：?最后一个maxpooling层替换为RoIpooling层，设置H’和W’与第一个全连接层兼容;?最后一个全连接层和softmax（原本是1000个类）替换为softmax的对K+1个类别的分类层，和boundingbox?回归层;输入修改为两种数据：一组N个图形，R个RoI，batchsize和ROI数、图像分辨率都是可变的。SPPnet有一个缺点是只能微调spp层后面的全连接层，所以SPPnet就可以采用随机梯度下降（SGD）来训练。?RoI-centricsampling：从所有图片的所有RoI中均匀取样，这样每个SGD的mini-batch中包含了不同图像中的样本。（SPPnet采用）?FRCN想要解决微调的限制，就要反向传播到spp层之前的层，反向传播需要计算每一个RoI感受野的卷积层，通常会覆盖整个图像，如果一个一个用RoI-centricsampling的话就又慢又耗内存。?Image-centricsampling：?mini-batch采用层次取样，先对图像取样，再对RoI取样，同一图像的RoI共享计算和内存。?另外，FRCN在一次微调中联合优化softmax分类器和bbox回归，看似一步，实际包含了多任务损失（multi-taskloss）、小批量取样（mini-batchsampling）、RoIpooling层的反向传播（backpropagationthroughRoIpoolinglayers）、SGD超参数（SGDhyperparameters）。

目标检测-上SmoothL1Loss

目标检测-上/soeaver/py-RFCN-priv/blob/master/caffe-priv/src/caffe/layers/smooth_l1_loss_layer.cpp

目标检测-上整体网络结构

目标检测-上

目标检测-上

目标检测-上/pquestionprefer=xiaoleimlnote/julialove102123/article/details/73608