RPN loss学习笔记

RPN Multi_task loss

RPN loss学习笔记_第1张图片

  • pi 表示第i个anchor预测为真实标签的概率
  • pi*为正样本的时候1 负样本为0
  • ti 为表示预测第i个anchor的边界框回归参数
  • ti*表示第i个anchor对应的GTbox
  • Ncls 表示一个mini-batch的所有样本数量为256
  • Nreg 表示anchor位置的个数(不是anchor个数)约2400
  • 亻hyperparameter 10

RPN loss学习笔记_第2张图片
虽然确实 是有背景和前景两个类别
但是 这里也确实是 多类别的交叉shang

log 以e 为底
RPN loss学习笔记_第3张图片
RPN loss学习笔记_第4张图片

这里 如果使用的是 二分类 就是 k 而非 2k

通过 sigmod 大的为1 为前景
小的 为0 为背景

RPN loss学习笔记_第5张图片
对每个anchor就预测一个值

RPN loss学习笔记_第6张图片
RPN loss学习笔记_第7张图片
RPN loss学习笔记_第8张图片
RPN loss学习笔记_第9张图片

你可能感兴趣的:(学习,机器学习,深度学习,目标检测)