R-FCN: Object Detection via Region-based Fully Convolutional Networks 论文笔记
发布时间
阅读量:
阅读量
注
网络架构
论文所提出的网络框架和可视化示意图如下所示:


如图所示,网络由两部分组成:RPN与R-FCN。其中RPN架构与Faster R-CNN一致。针对R-FCN部分,在经过最后一个卷积层后会生成k×k个位置敏感的score map(分别对应于k×k个相对位置),每个bin仅作用于单一score map进行聚合操作。简而言之,在池化操作中(即对score map进行投票),每个bin会聚合其所在区域的信息,并根据该区域大小可变的特点进行计算(类似于Faster R-CNN中采用可变尺寸窗口的方式)。对于bbox回归任务,则只需将通道数目替换为4即可完成。
全部评论 (0)
还没有任何评论哟~
