一张图理解Faster—RCNN测试流程

本文主要是介绍一张图理解Faster—RCNN测试流程，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！

请教同学Faster—RCNN测试流程，他让我看一个Faster—RCNN模型文件（自己找哈）：

看了后，自己画了一张图：

注：conv:卷积              relu：（rectified linear units）激活函数          fc:全连接             RPN：region proposal network 

cls_prob:分类概率       bbox_pred:bounding box predit

...：代表 relu norm pool （为了美观不画）

如果你看过Faster—RCNN论文，一定会想起这张图：

Figure 2: Faster R-CNN is a single, unified network
for object detection. The RPN module serves as the
‘attention’ of this unified network.

不要问我为什么放倒了，和上面的图对应，有木有？？？？（为了美观我把右下的箭头指向了右上！）

图上的单词我还用红笔标注了。

论文提到ZF共享的五个卷积层不就是左边conv1-conv5吗？

再看文章里这段：To generate region proposals, we slide a small network over the convolutional feature map output by the last shared convolutional layer. This small network takes as input an n * n spatial window of the input convolutional feature map. Each sliding window is mapped to a lower-dimensional feature (256-d for ZF and 512-d for VGG, with ReLU [33]following). This feature is fed into two sibling fully connected layers—a box-regression layer (reg) and a box-classification layer (cls).

 last shared convolutional layer 不就是conv5吗？reg cls 不就对应 fc7后面的两个分支吗？

顿时思路清晰了，感觉自己棒棒哒。。。。。。

这篇关于一张图理解Faster—RCNN测试流程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！

---