怎么理解anchor?
来源:互联网 发布:php写学生成绩系统 编辑:程序博客网 时间:2024/06/05 19:32
首先我们需要知道anchor的本质是什么,本质是SPP(spatial pyramid pooling)思想的逆向。而SPP本身是做什么的呢,就是将不同尺寸的输入resize成为相同尺寸的输出。所以SPP的逆向就是,将相同尺寸的输出,倒推得到不同尺寸的输入。
接下来是anchor的窗口尺寸,这个不难理解,三个面积尺寸(128^2,256^2,512^2),然后在每个面积尺寸下,取三种不同的长宽比例(1:1,1:2,2:1).这样一来,我们得到了一共9种面积尺寸各异的anchor。示意图如下:
至于这个anchor到底是怎么用的,这个是理解整个问题的关键。
下面是整个faster RCNN结构的示意图:
利用anchor是从第二列这个位置开始进行处理,这个时候,原始图片已经经过一系列卷积层和池化层以及relu,得到了这里的 feature:51x39x256(256是层数)
在这个特征参数的基础上,通过一个3x3的滑动窗口,在这个51x39的区域上进行滑动,stride=1,padding=2,这样一来,滑动得到的就是51x39个3x3的窗口。
对于每个3x3的窗口,作者就计算这个滑动窗口的中心点所对应的原始图片的中心点。然后作者假定,这个3x3窗口,是从原始图片上通过SPP池化得到的,而这个池化的区域的面积以及比例,就是一个个的anchor。换句话说,对于每个3x3窗口,作者假定它来自9种不同原始区域的池化,但是这些池化在原始图片中的中心点,都完全一样。这个中心点,就是刚才提到的,3x3窗口中心点所对应的原始图片中的中心点。如此一来,在每个窗口位置,我们都可以根据9个不同长宽比例、不同面积的anchor,逆向推导出它所对应的原始图片中的一个区域,这个区域的尺寸以及坐标,都是已知的。而这个区域,就是我们想要的 proposal。所以我们通过滑动窗口和anchor,成功得到了 51x39x9 个原始图片的proposal。接下来,每个proposal我们只输出6个参数:每个 proposal 和 ground truth 进行比较得到的前景概率和背景概率(2个参数)(对应图上的 cls_score);由于每个 proposal 和 ground truth 位置及尺寸上的差异,从 proposal 通过平移放缩得到 ground truth 需要的4个平移放缩参数(对应图上的 bbox_pred)。
所以根据我们刚才的计算,我们一共得到了多少个anchor box呢?
51 x 39 x 9 = 17900
约等于 20 k
bingo!
https://www.zhihu.com/question/42205480/answer/155759667
- 怎么理解anchor?
- Anchor
- anchor
- 锚点的理解 J2me anchor
- 锚点的理解 J2me anchor
- Anchor Point
- anchor对象
- 9anchor
- css-anchor
- 怎么理解正则表达式
- 怎么来理解管道?
- 怎么理解Condition
- 怎么理解Condition
- 奈奎斯特速率怎么理解
- 句柄是什么意思?怎么理解?
- 关于HashTable怎么理解
- 怎么理解web标准
- 怎么理解AOP
- 前后台交互中文乱码解决方式之一
- itunes 共享app文件
- 开发常用API
- PowerDesigner新手简单使用
- 21世纪如何正确思考及开创个人事业(转发)
- 怎么理解anchor?
- oracle 的数据库、表空间、表是什么关系
- 福尔摩斯的小人
- 2017.12.11作业代码
- 论文笔记:第一人称视角视频中的行人轨迹预测
- React + MobX 入门及实例(二)
- IntelliJ IDEA使用手册——远程调试
- 机房之上机窗体
- jconsole远程连接配置