Faster RCNN详解

1 Faster-RCNN (1)输入测试图像; (2)将整张图片输入CNN,进行特征提取; (3)用RPN生成建议窗口(proposals),每张图片生成300个建议窗口; (4)把建议窗口映射到CNN的最后一层卷积feature map上; (5)通过RoI pooling层使每个RoI生成固定尺寸的feature map; (6)利用Softmax Loss(探测分类概率) 和Smooth L1 Loss(探测边框回归)对分类概率和边框回归(Bounding box regression)联合训练. 1.1 Conv layers 包含了conv,pooling,relu三种层 1.1