首页 > Web开发 > 详细

SPP Net

时间:2019-08-24 21:06:17      阅读:25      评论:0      收藏:0      [点我收藏+]

标签:图片   pool   arp   连接   存在   cnn   一个   效果   net   

RCNN对每个候选框都提取了特征,而且对于有重复区域的候选框们,这部分重复的区域相当于不断重复提取了特征,很麻烦。所以能不能只提取一次特征呢?也就是只卷积一次。

R-CNN对候选框尺寸进行了wrap, 全都改为227x227,改变尺寸势必会影响到检测效果,所以能不能不改变尺寸?

因此SPP提出的更新:取消了crop/warp图像归一化过程,采用空间金字塔池化(SpatialPyramid Pooling )替换了 全连接层之前的最后一个池化层(因为rcnn提取的是Pool5层的特征):

技术分享图片

SPP结构图:

技术分享图片

存在的不足:

1)和RCNN一样,训练过程仍然是隔离的,提取候选框 | 计算CNN特征| SVM分类 | Bounding Box回归独立训练,大量的中间结果需要转存,无法整体训练参数;

2)SPP-Net在无法同时Tuning在SPP-Layer两边的卷积层和全连接层,很大程度上限制了深度CNN的效果;

3)在整个过程中,Proposal Region仍然很耗时。

 

SPP Net

标签:图片   pool   arp   连接   存在   cnn   一个   效果   net   

原文:https://www.cnblogs.com/pacino12134/p/11406001.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 bubuko.com 版权所有 鲁ICP备09046678号-4
打开技术之扣,分享程序人生!
             

鲁公网安备 37021202000002号