faster-rcnn算法总结

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了faster-rcnn算法总结，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含650字，纯文字阅读大概需要1分钟。

内容图文

faster-rcnn的整体流程比较复杂，尤其是数据的预处理部分，流程比较繁琐。我写faster-rcnn系列文章的目的是对该算法的原始版本有个整体的把握，如果需要使用该算法做一些具体的任务，推荐使用mmdetection框架，该框架使用PyTorch写成，相比于原始的基于caffe python接口的版本就简洁优雅多了。下面对改算法的整体过程做一个梳理，分为训练过程(端到端的训练)和测试过程两部分。本文注重算法原理，因此直接从如下的数据输入开始：

layer {
  name: 'input-data'
  type: 'Python'
  top: 'data'
  top: 'im_info'
  top: 'gt_boxes'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 2"
  }
}

一、训练过程

1、输入数据经过一个ConvNet得到一个feature map(backbone的输出)，记为bk_feat；

2、

内容总结

以上是互联网集市为您收集整理的faster-rcnn算法总结全部内容，希望文章能够帮你解决faster-rcnn算法总结所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---