0

我从这里的博客文章中得到了下面的图片，它提供了非常丰富的信息。

显示卷积神经网络如何用于快速 rcnn 的图像

卷积神经网络

在 RCNN 中，我得到选择性搜索用于选择感兴趣的区域（“建议”），这些区域被传递到一个 convNet 中，该网络可以任意生成一个 4096 维的特征向量。这被传递给 SVM，我们得到一个分类。说得通。

快速RCNN

“我们没有将区域提案提供给 CNN，而是将输入图像提供给 CNN 以生成卷积特征图。从卷积特征图中，我们识别提案区域并将它们扭曲成正方形，并使用 RoI 池化层我们将它们重塑为固定大小，以便可以将其馈入全连接层。”

我分别知道所有这些词；但是像这样把它们放在一起让我很困惑。对于 Fast-RCNN，区别在于 ConvNet 似乎用于生成感兴趣区域，而不是选择性搜索。这是如何运作的？

我目前的理解在第 2/3 步感到困惑，否则我认为我很好：

  1. 我们有一张图像并将其提供给 CNN。
  2. CNN 像往常一样通过随机初始化一些过滤器（然后根据错误进行调整）来生成过滤器。
  3. 在卷积图像堆栈上使用选择性搜索？
  4. 投资回报率汇集到一个大小。
  5. Softmax 层决定分类 + LR 得到边界框。

奖励：为什么 RCNN 中的特征向量是 4096 维？只是随机选择的数字？

4

1 回答 1

0

我刚刚阅读了 Ross Girshick 的一篇文章“基于区域的卷积网络用于准确的对象检测和分割”。他部分说：“我们使用 CNN 从每个区域提议中提取一个固定长度的特征向量。使用的特定 CNN 架构是系统超参数。我们的大多数实验都使用 Krizhevskyetal 描述的 CNN 的 Caffe [55] 实现。8 , 但是我们也用 Simonyan 和 Zisserman [24] (OxfordNet) 的 16 层深度网络进行了实验。在这两种情况下，特征向量都是 4096 维的。特征是通过网络前向传播减去均值的 S ×S RGB 图像并读取倒数第二层（softmax 分类器之前的层）输出的值来计算的。对于 TorontoNet，S = 227 和 OxfordNet S = 224。我们建议读者参考 [8]、[24]、[55] 了解更多网络架构细节。” 这意味着他从两个经验中得出这个数字给出了相同的结果

于 2020-05-21T04:03:09.813 回答