建设企业网站个人网银,wordpress有多大的数据量,wordpress it企业模板,有没有做英语题的网站前言
在学习Faster RCNN时#xff0c;看了许多别人写的博客。看了以后#xff0c;对Faster RCNN整理有了一个大概的了解#xff0c;但是对训练时网络内部的数据流还不是很清楚#xff0c;所以在结合这个版本的faster rcnn代码情况下#xff0c;对网络数据流进行总结。以便…前言
在学习Faster RCNN时看了许多别人写的博客。看了以后对Faster RCNN整理有了一个大概的了解但是对训练时网络内部的数据流还不是很清楚所以在结合这个版本的faster rcnn代码情况下对网络数据流进行总结。以便自己更好地掌握Faster rcnn。
训练时的数据流
在这个版本的代码中训练时的batch_size为1。原论文中的网络架构如下所示 1 ◯ \textcircled{\scriptsize 1} 1◯ 网络输入
第一部分是网络的输入。网络的输入是一个任意大小的图像但是在被送入网络之前会经过一个缩放操作然后进行normalize。对图像进行缩放的同时也要对gt_bboxground truth bounding box真实边界框进行同样的缩放。 具体是怎么缩放的呢参考这里的代码。
def preprocess(img, min_size600, max_size1000):# img: 输入图像# min_size: 图像放缩的最小大小# max_size: 图像放缩的最大大小C, H, W img.shapescale1 min_size / min(H, W)scale2 max_size / max(H, W)scale min(scale1, scale2)img img / 255.# resize缩放大小 长和宽等比例缩放img sktsf.resize(img, (C, H * scale, W * scale), modereflect,anti_aliasingFalse)这样的等比例缩放方式结果就是要么原图较长的边被放大为1000要么原图较短的边被放大为600。整体上来看是设定了一个放大后的最大最小范围。因为batch_size为1所以每一张图像缩放后的大小可以不一样如果batch_size不为1那么这一个batch内的所有图像缩放后的大小就必须一样。在接下来的讨论中我们忽略batch维度因为batch是1 2 ◯ \textcircled{\color{green}\scriptsize 2} 2◯ 特征提取网络
第二部分是特征提取模块。这里的特征提取网络是VGG16只不过去掉了最后的几层全连接。这里感觉唯一要注意的地方就是输入图像经过VGG16大小缩小了16倍因为有4个池化层维度增加到了512维度。 如果输入图像 I i n p u t I^{input} Iinput的大小是 [ 3 , x , y ] \left[3,x,y\right] [3,x,y]那么经过特征提取的特征图 I f e a t u r e I^{feature} Ifeature的大小是 [ 512 , x 16 , y 16 ] \left[512, \frac{x}{16},\frac{y}{16}\right] [512,16x,16y]。 3 ◯ \textcircled{\color{purple}\scriptsize 3} 3◯ RPN网络
RPN网络的输入是特征图先经过通道数为512的3x3卷积输出仍为 [ 512 , x 16 , y 16 ] \left[512, \frac{x}{16},\frac{y}{16}\right] [512,16x,16y]。 右边这个分支为通道数为3636是因为每个点有9个anchor每个anchor有4个坐标的1x1卷积输出为 [ 36 , x 16 , y 16 ] \left[36, \frac{x}{16},\frac{y}{16}\right] [36,16x,16y]然后对其进行reshap为 [ a n c h o r 的总数 , 4 ] \left[ anchor的总数,4\right] [anchor的总数,4]大小记为rpn_loc。 左边这个分支为通道数为1818是因为每个点有9个anchor每个anchor要么是背景要么是前景两种可能的1x1卷积输出为 [ 18 , x 16 , y 16 ] \left[18, \frac{x}{16},\frac{y}{16}\right] [18,16x,16y]。然后对其经过softmax处理最终的输出大小为 [ a n c h o r 的总数 , 2 ] \left[anchor的总数,2\right] [anchor的总数,2]记为rpn_score。 上述这点清楚以后我们接下来重点关注RPN网络是如何计算损失的称之为 L o s s R P N Loss^{RPN} LossRPN。我们都知道计算loss需要网络输出值和标签值现在网络输出值已经有了那么标签值从何而来呢 从上图可以看到有一个AnchorTargeCreator模块这个模块的输入是我们产生anchor和gt_bbox计算出anchor与gt_bbox的真实偏差gt_rpn_loc和该anchor到底负责的是背景还是前景gt_rpn_label。我们就分别将gt_rpn_loc和gt_rpn_label作为标签值与rpn_score、rpn_score计算损失两个损失之和即为 L o s s R P N Loss^{RPN} LossRPN。损失的具体计算公式这里我们不谈。 在bbuf大佬的解读里“AnchorTargetCreator 就是将 20000 多个候选的 Anchor 选出 256 个 Anchor 进行分类和回归。”代码里也是采样出了256个样本但是最后返回的真实标签值是所有的anchor大小而不是256大小。 ProposalCreator模块的含义如下 综上rpn网络除了自身反向传播训练之外还通过ProposalCreator模块输出2000个anchor。 4 ◯ \textcircled{\color{blue}\scriptsize 4} 4◯ ProposalTargetCreator模块
ProposalCreator模块输出2000个ROIS并不全部都使用经过ProposalTargetCreator模块的筛选通过与gt_bbox的IOU进行筛选产生正负一共128个rois。同时输出这128个rois的gt_label和gt_loc。 5 ◯ \textcircled{\color{blue}\scriptsize 5} 5◯ ROI pooling
这里的ROI pooling和fast rcnn中的是一样的它的输入是特征图和128个rois。ROI Pooling将这些不同尺寸的区域全部pooling到同一个尺度7x7上。ROP pooling的输出输入给classifier。 6 ◯ \textcircled{\color{blue}\scriptsize 6} 6◯ classifier
这里的classifier如下图紫色框出的所示。 这块的全连接网络可以借用VGG16的全连接网络代码中也是这么做的。 21代表总共有21类每个anchor属于每个类的概率输出为 [ 128 , 21 ] [128,21] [128,21]84 21 *4对每个类别都会有一个坐标信息输出为 [ 128 , 84 ] [128,84] [128,84]然后分别和gt_label、gt_loc计算损失后相加即为classifier的损失。 suppress为推理时的非极大值抑制训练时用不到。
反向传播
综上所述我们将rpn网络的损失和classifier的损失相加然后进行反向传播即可更新参数。 最后放上BBuf大佬总结的faster rcnn的网络流程图。 本人才识浅薄若博文中有不正确的地方欢迎大家进行批评指正谢谢。 参考连接giantpandacv simple-faster-rcnn-pytorch
