Faster R-CNN 的原始论文的作者在提到正锚时，他们被标记为 1。我猜他们指的是二进制分类。在我们有两个以上类的任务中会发生什么？
我的意思是 RPN 的目的是只生成区域建议（有没有对象，不管标签）还是生成区域建议和相应的标签？我想这是第二种情况，因为参与训练过程的正锚也需要有一个真实标签，即（猫、狗等）。
但是，我可能会误解事物并以错误的方式解释事物。
Faster R-CNN：当有很多类时，关于正锚的标签
数据挖掘
机器学习
深度学习
图像识别
物体识别
2022-02-23 11:36:36
1个回答
与 R-CNN 和 Fast R-CNN 中用于区域提议的算法一样，Faster R-CNN 中的 RPN 任务是提议可能是也可能不是对象的区域，因此它的 cls head 具有 2k 分数对应于将每个锚点分类为对象或非对象（这样它们都可能是非对象）：
但它也可能是 ak 分数逻辑回归（k sigmoids 0 到 1），正如他们在论文的第四个注释中所述：
- 为简单起见，我们将 cls 层实现为两类 softmax 层。或者，可以使用逻辑回归来产生 k 个分数
在生成proposal之后，使用Fast R-CNN对每个选择的proposal进行分类和改进，即下图中的灰色区域：
因此，您可以更好地概念化 Fast 和 Faster R-CNN 之间的区别，将区域提议生成算法视为一个黑匣子，可以填充一个 RPN 头，该 RPN 头连接到用作主干的深度网络的输出卷积特征图，或者R-CNN 和 Fast R-CNN 使用的标准选择性搜索
其它你可能感兴趣的问题