https://zhuanlan.zhihu.com/p/32404424

extractor:VGG-16

anchor:

Anchor是大小和尺寸固定的候选框。论文中用到的anchor有三种尺寸和三种比例，如下图所示，三种尺寸分别是小（蓝128）中（红256）大（绿512），三个比例分别是1:1，1:2，2:1。3×3的组合总共有9种anchor。

 

Anchor

 

然后用这9种anchor在特征图（feature）左右上下移动，每一个特征图上的点都有9个anchor，最终生成了 (H/16)× (W/16)×9个anchor. 对于一个512×62×37的feature map，有 62×37×9~ 20000个anchor。 也就是对一张图片，有20000个左右的anchor。

 

 

 

参考：

roi pooling：https://blog.csdn.net/lanran2/article/details/60143861

Logo
九章云极普惠算力

更多推荐

fmt航空航天：高可靠性系统的安全格式化解决方案

在航空航天领域，每一行代码都承载着飞行安全的重任。{fmt}作为现代C++格式化库，为航空航天系统提供了高可靠性的安全格式化解决方案，确保在卫星导航、飞行控制、无人机系统等关键应用中实现零错误输出。🚀## 为什么航空航天需要安全格式化？航空航天系统对代码安全性和可靠性有着极其严格的要求。传统的C语言`printf`函数虽然快速，但存在类型安全问题和缓冲区溢出风险，这些都可能成为飞行安全的

avatar 九章云极普惠算力

fastbook学术研究：从实践到论文的转化指南

深度学习已经成为现代学术研究的重要工具，而fastbook作为fast.ai官方推出的开源教材，为研究人员提供了一条从实践应用到学术论文发表的完整路径。无论您是刚开始接触深度学习，还是希望将研究成果转化为高质量的学术论文，fastbook都能为您提供宝贵的指导。🎯## 为什么fastbook是学术研究的理想起点fastbook采用独特的"自上而下"教学方法，让研究人员能够快速获得实践经验

avatar 九章云极普惠算力

深度学习性能基准测试：Deep Learning with Python模型速度对比指南

想要了解深度学习模型在实际应用中的性能表现吗？🤔 今天我们就来深入探讨《Deep Learning with Python》项目中不同模型的性能基准测试结果，帮助你选择最适合的深度学习架构。无论是图像分类、文本生成还是时间序列预测，模型速度都是关键考量因素。## 为什么性能基准测试如此重要在深度学习项目中，**模型性能基准测试**不仅仅是衡量训练时间那么简单。它涉及到训练速度、推理速度、

avatar 九章云极普惠算力