我了解在选择性搜索在 vanilla R-CNN 中找到感兴趣区域后如何应用卷积层，因此在单个卷积网络中完成反向传播或任何权重更新。但在 Faster R-CNN 中，首先应用一个 convNet，然后 RPN 在一个单独的 convNet 中计算出感兴趣的区域。权重具体在哪里更新？是在初始的 convNet 和 RPN 之间吗？但是权重只能在与地面真值比较后更新。或者是在两个网络的完整前向传递之后，完成反向传递。在这种情况下，如何同时考虑两者？如果没有，这种比较在哪里以及如何进行？任何指向任何资源的指针都将受到高度赞赏。
Faster R-CNN 中的反向传播
数据挖掘
机器学习
神经网络
美国有线电视新闻网
更快的rcnn
2021-10-14 17:09:48
1个回答
权重具体在哪里更新？是在初始 convNet 和 RPN 之间吗？所有可更新的权重都会在反向传播期间更新。
我想你是想问权重什么时候更新？，根据原始论文，有 3 种方法可以训练 Faster R-CNN，每种方法都有自己的更新权重时间的方法：
- 交替训练又名 4 步交替训练，这是作者在原始更快的 r-cnn 论文中使用的一种。在原始论文中解释得很好
- 近似联合训练，你在问题中提到的那个，在两个网络的完整前向传递之后，完成了反向传递。我不太清楚您所说的“在这种情况下如何同时考虑两者？”是什么意思？
- 非近似联合训练，这个我不是很懂
返回到权重到底在哪里更新？问题，好吧，需要提到的是 RPN 内核、RPN Cls 和 Reg FC 层、检测 (Fast R-CNN) Cls 和 Reg FC 层以及 CNN 内核（如果你没有冻结它们）
我希望这能有所帮助，因为我也在学习 Faster R-CNN，也很抱歉英语不好。
其它你可能感兴趣的问题