49_Faster_R_CNN和Mask_R_CNN的损失函数详解1
需积分: 0 68 浏览量
2022-08-03
14:55:02
上传
评论
收藏 824KB PDF 举报
问
题
我
的
项
⽬
中
涉
及
到
这
两个
⽹
络
，
⽽
⽹
络
的
最
重
要
的
部
分
除
了
巧
妙
的
结
构
设计
外
，
当
属
损
失
函
数
的
设计
了
，
所
以
很
多
时
候
⾯
试
官
都
会
问
我
，
损
失
函
数
使
⽤
的
是
啥
，
我
想
他们
期
待
我
给
的
答
案
是
⾃
⼰
设计
的
损
失
函
数
吧
，
但
是
做
项
⽬的
时
候
我
那
么
菜
，
根
本
没
有
能
⼒
去
设计
好
吧
（
说
得
好
像
现
在
有
似
的
……
），
所
以
都
是
使
⽤
⼈
家
原
有
的
损
失
函
数
，
并
没
做
修
改
。
时
间
久
了
，
这
些
东
⻄
当
再
次
被
⾯
试
官
问
起
的
时
候
，
希
望
我
⾄
少
能
把
⼈
家
论
⽂
中
的
损
失
函
数
形
式
讲
清
楚
吧
。
简
单
介
绍
下
这
两个
⽹
络
⽬
标
检
测
的
框
架
中
包
含
4
个
关
键
模
块
，
包
括
region proposal
（
⽣
成
ROI
）
、
feature extraction
（
特
征
提
取
⽹
络
）
、
classification
（
ROI
分
类
）
、
regression
（
ROI
回
归
）
。
⽽
faster-rcnn
利
⽤
⼀个
神
经
⽹
络
将
这
4
个
模
块
结
合
起
来
，
训
练
了
⼀个
端
到
端
的
⽹
络
。
1.
特
征
提
取
⽹
络
：
它
⽤
来
从
⼤
量
的
图
⽚
中
提
取
出
⼀
些
不
同
⽬
标
的
重
要
特
征
，
通
常
由
conv+relu+pool
层
构
成
，
常
⽤
⼀
些
预
训
练
好
的
⽹
络
（
VGG
、
Inception
、
Resnet
等
），
获
得
的
结
果
叫
做
特
征
图
；
2.
⽣
成
ROI
：
在
获
得
的
特
征
图
的
每
⼀个
点
上
做
多
个
候
选
ROI
（
这
⾥
是
9
），
然
后
利
⽤
分
类
器
将
这
些
ROI
区
分
为
背
景
和
前
景
，
同
时
利
⽤
回
归
器
对
这
些
ROI
的
位
置
进
⾏
初
步
的
调
整
；
3. ROI
分
类
：
在
RPN
阶
段
，
⽤
来
区
分前
景
（
于
真
实
⽬
标
重
叠
并
且
其
重
叠
区
域
⼤
于
0.5
）
和
背
景
（
不与
任何
⽬
标
重
叠
或
者
其
重
叠
区
域
⼩
于
0.1
）；
在
Fast-rcnn
阶
段
，
⽤
于
区
分
不
同
种
类
的⽬
标
（
猫
、
狗
、
⼈
等
）；
4. ROI
回
归
：
在
RPN
阶
段
，
进
⾏
初
步
调
整
；
在
Fast-rcnn
阶
段
进
⾏
精
确
调
整
；
总
之
，
其
整
体
流
程
如
下
所
⽰
：
整
个
Mask R-CNN
算
法
的
思
路
很
简
单
，
就
是
在
原
始
Faster-rcnn
算
法
的
基
础
上
⾯
增
加
了
FCN
来
产
⽣
对
应
的
MASK
分
⽀
。
即
Faster-rcnn + FCN
，
更
细
致
的
是
RPN + ROIAlign + Fast-rcnn + FCN
。
FCN
算
法
是
⼀个
经
典
的
语
义
分割
算
法
，
可
以
对
图
⽚
中
的⽬
标
进
⾏
准
确
的
分割
。
它
是
⼀个
端
到
端
的
⽹
络
，
主
要
的
模
快
包
括
卷
积
和
反
卷
积
，
即
先
对
图
像
进
⾏
卷
积
和
池
化
，
使
其
feature map
的
⼤
⼩
不
断
减
⼩
；
然
后
进
⾏
反
卷
积
操
作
，
即
进
⾏
插
值
操
作
，
不
断
的
增
⼤
其
feature map
，
最
后
对
每
⼀个
像
素
值
进
⾏
分
类
。
从
⽽
实
现
对
输
⼊
图
像
的
准
确
分割
。
损
失
函
数
⾸
先
对
输
⼊
的
图
⽚
进
⾏
裁
剪
操
作
，
并
将
裁
剪
后
的
图
⽚
送
⼊
预
训
练
好
的
分
类
⽹
络
中
获
取
该
图
像
对
应
的
特
征
图
；
然
后
在
特
征
图
上
的
每
⼀个
锚
点
上
取
9
个
候
选
的
ROI
（
3
个不
同
尺
度
，
3
个不
同
⻓
宽
⽐
），
并
根
据
相
应
的
⽐
例
将
其
映
射
到
原
始
图
像
中
（
因
为
特
征
提
取
⽹
络
⼀
般
有
conv
和
pool
组
成
，
但
是
只
有
pool
会
改
变
特
征
图
的
⼤
⼩
，
因
此
最
终
的
特
征
图
⼤
⼩
和
pool
的
个
数
相
关
）；
接
着
将
这
些
候
选
的
ROI
输
⼊
到
RPN
⽹
络
中
，
RPN
⽹
络
对
这
些
ROI
进
⾏
分
类
（
即
确
定
这
些
ROI
是
前
景
还
是
背
景
）
同
时
对
其
进
⾏
初
步
回
归
（
即
计
算
这
些
前
景
ROI
与
真
实
⽬
标
之
间
的
BB
的
偏
差
值
，
包
括
Δx
、
Δy
、
Δw
、
Δh
）
,
然
后
做
NMS
（
⾮
极
⼤
值
抑
制
，
即
根
据
分
类
的
得
分
对
这
些
ROI
进
⾏
排
序
，
然
后
选
择
其
中
的
前
N
个
ROI
）；
接
着
对
这
些
不
同
⼤
⼩
的
ROI
进
⾏
ROI Pooling
操
作
（
即
将
其
映
射
为
特
定
⼤
⼩
的
feature_map,
⽂
中
是
7x7
），
输
出
固
定
⼤
⼩
的
feature_map
；
最
后
将
其
输
⼊
简
单
的
检
测
⽹
络
中
，
然
后
利
⽤
1x1
的
卷
积
进
⾏
分
类
（
区
分
不
同
的
类
别
，
N+1
类
，
多
余
的
⼀
类
是
背
景
，
⽤
于
删
除
不
准
确
的
ROI
），
同
时
进
⾏
BB
回
归
（
精
确
的
调
整
预
测
的
ROI
和
GT
的
ROI
之
间
的
偏
差
值
），
从
⽽
输
出
⼀个
BB
集
合
。
1
2
3
4
5
评论0
最新资源