Faster RCNN 推理 从头写 java (二) RPN网络预测

本文主要是介绍Faster RCNN 推理 从头写 java (二) RPN网络预测，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

• 1. 图片预处理
• 2. RPN网络预测
• 3. RPN to ROIs
• 4. Classifier 网络预测
• 5. Classifier网络输出对 ROIs过滤与修正
• 6. NMS (非最大值抑制)
• 7. 坐标转换为原始图片维度

一: 输入输出

输入:

• omg: 经过预处理过的图像, shape为 [1, 600, 800, 3].

输出:

• cls: 每个anchor在pixel上的概率, shape为 [1, 37, 50, 49].
• reg: 每个anchor在pixel上的回归值, shape 为 [1, 37, 50, 196].
• feature: 经过VGG16后的feature map, shape 为 [1, 37, 50, 512].

二: 流程

• 图片BGR 格式转换为 RGB 格式。
• 图片缩放。
• 图片均值中值化。

三: code by code

img 转换为tensorflow 的 Tensor

Tensor<Float> input = TypeConvertor.ndarrayToTensor(img);

预测

List<Tensor<?>> output = this.session.runner().feed(INPUT_NAME, input).fetch(OUTPUT_CLS_NAME).fetch(OUTPUT_REG_NAME).fetch(OUTPUT_FEATURE_MAP_NAME).run();

构建输出
0: cls
1: reg
3: feature

return new FasterRCnnRPN_Output(output.get(0), output.get(1), output.get(2));

这篇关于Faster RCNN 推理 从头写 java (二) RPN网络预测的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---