1. 算法介绍 Faster-RCNN是2016年提出的,整合RCNN,Fast-RCNN的,将传统手势检测的四步操作整合到一个神经网络中,避免重复计算,尽量保证GPU计算。也是YOLO3完成的基础之一。 2. 算法流程 首先向CNN网络【ZF或VGG-16】输入任意大小图片M×N; 经过CNN网络前向传播至最后共享的卷积层,一方面得到供RPN网络输入的特征...
1.第一部分是训练RPN,得到候选框; 2.第二部分是训练faster rcnn,对候选框中的物体分类、修正RPN生成的候选框。 conv layers conv layers可以采用经典的卷积神经网络来提取图片特征,如VGG、ResNet等,Faster rcnn使用网络模型在ImageNet数据集上训练的权重,初始化卷积层参数。 RPN(Region Proposal Network) Faster R...
——在图像上使用Selective Search生成1k~2k个候选区域。 ——将图像输入网络得到相应的特征图,将SS算法生成的候选框投影到特征图上获得相应的特征矩阵。 ——将每个特征矩阵通过ROI pooling层缩放到7*7大小的特征图,接着将特征图展平通过一系列全连接层得到预测结果。 而下面是Faster RCNN的步骤 ——将图像输入网...