目标检测中的Anchor与感受野

目标检测中的Anchor与感受野

摘要: Anchor的设置对于目标检测来说作用的重要性不言而喻,本文主要整理了相关技巧和背后的逻辑原理解读,不断更新完善。

在Faster RCNN的RPN网络部分,anchor为三个尺度{128, 256, 512},三个比例{1:1, 1:2, 2:1},所以一共9组anchor。

通过标记样本聚类,来了解该如何设计Anchor Box的size:

img

参考实现:object-detection-anchors

Pytorch中计算感受野的工具

https://github.com/Fangyh09/pytorch-receptive-field

常用backbone网络的感受野

img

待完善 >>>>>>

目标检测的目标:What objects are where?

image-20200330232026807

Picture from Ref 3

参考

  1. 新手也能彻底搞懂的目标检测Anchor是什么?怎么科学设置?
  2. 目标检测中的Anchor-YaqiLYU
  3. Object Detection in 20 Years: A Survey

评论

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×