【《基于改进的Faster R-CNN目标检测算法案例分析》6500字】_第1页
【《基于改进的Faster R-CNN目标检测算法案例分析》6500字】_第2页
【《基于改进的Faster R-CNN目标检测算法案例分析》6500字】_第3页
【《基于改进的Faster R-CNN目标检测算法案例分析》6500字】_第4页
【《基于改进的Faster R-CNN目标检测算法案例分析》6500字】_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

[50]。在原始的金字塔中假设输入尺寸为9×13，输出尺寸为2×2，根据式和式可得，池化核大小应为5×7，步长为4×6。池化操作输出大小计算公式：(4-11)式中，Wi和Hi分别为输入的宽和高，池化核的大小记为f×f，S为步长大小，Wo和Ho分别为输出的宽和高。根据式计算可知，按照计算出的池化核大小和步长对输入进行操作后确实得到了2×2的输出。然而，在保持输入尺寸不变的情况下，将输出尺寸调整为7×7，则根据式和式可得，池化核的大小应为2×2，步长为1×1，根据式计算可知，按照该池化核大小和步长对输入进行操作后得到的输出大小为8×12，显然与期望输出大小不符。因此，为了保证经过SPP后的特征图和输入特征图大小一致，在此加入填充（padding）操作，并对步长的计算公式进行修正：(4-12)(4-13)之后利用带有填充的池化操作输出大小计算公式：(4-14)通过计算可知，加入填充操作并对步长计算公式进行修改后，所得到的输出大小可以满足期望输出大小。新增的SPP的具体结构如图4-10所示，对C5层输出特征图进行多级最大值池化操作。最大值池化是将池化核范围内数据的最大值作为输出，这有利于提取更多关键信息，核的大小设置为3、5、7三种尺度，并且为了保证输出特征图大小不变，池化操作的步长设置为1并进行填充操作，之后将池化后的特征与原始特征进行合并，从而实现了局部特征与全局特征的融合，进一步丰富了特征图中的语义信息。图4-10新增SPP模块结构其次，在FPN后增加金字塔卷积模块，即图4-9中橙色部分，其目标是在不增加额外代价的基础上利用不同类型的核进行信息的互补，从而提高网络的检测性能。新增模块的具体结构如图4-11所示，金字塔卷积从底部到顶部共两层，每层的输入为256，输出为128。每层使用了不同类型的卷积核，第一层卷积核的空间大小为3×3，其具有较小的感受野，可以专注于细节，捕捉小物体或物体的局部信息，第二层卷积核的空间大小为5×5，具有较大的感受野，可以捕获较大的物体或更可靠的上下文信息的细节。每层使用了相同深度的卷积，其组数都设置了较高的分组数64，即输入特征图被分成64组，每组独立的应用卷积进行计算，如图4-12所示。除此之外，为保证最后每层输出的特征图大小一致，步长采用相同的大小，默认设置为1，第一层和第二层填充的大小分别设置为1和2。图4-11新增金字塔卷积模块结构图4-12每层分组卷积示意图之后，RPN模块综合考虑贺兰山岩画中目标的信息，将锚框基准尺寸设置为8，锚框步长设置为{42,82,162,322,642}，从而可得P2到P6特征图对应的锚箱尺寸分别为{322,642,1282,2562,5122}，且每个尺寸的锚箱采取三种不同的长宽比，分别是{1:1,1:2,2:1}，最终生成15种不同的锚箱，确保可以涵盖各类岩画目标。最后，将原来的RoIPooling替换成RoIAlign，其将取整操作替换成双线性插值，最大

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论