首页 > TAG信息列表 > ROIAlign

MaskRCNN网络结构

  MaskRCNN网络结构 MaskRCNN作为FasterRCNN的扩展，产生RoI的RPN网络和FasterRCNN网络。 结构：ResNet101+FPN 代码：TensorFlow+ Keras（Python） 代码中将Resnet101网络，分成5个stage，记为[C1,C2,C3,C4,C5]；这里的5个阶段分别对应着5中不同尺度的feature map输出，用来建立FPN网络的特征金字

ps roialign，def pspool，roialign调试中一些参数理解

对于这三种池化方式，给的c++代码都没有去检查输入数据的channel 和输出之间的关系。 但是如果我们不去人为限制的话，在训练过程中会出现，loss变为inf，nan等行为，会出现在第一个epoch几个batch之后。 这三种关系应该是这样的： ps roialign input channel = alignsize*alignsize*output

RoIPooling 与 RoIAlign

参考链接：https://www.cnblogs.com/wangyong/p/8523814.html SPP Layer 对RoI进行pooling的操作最早由SPPNet中的SPP layer提出： 提出的好处是：对RoI进行pooling，检测网络便可以输入任意size的图片。       RoIPooling 在Faster RCNN中继承了SPP layer的精髓，并简化了该设计，提出了R