world4jason

這邊其實主要是因為程式碼撰寫方便 所以才拆成Detection Target Layer與Detection Layer 前者是在訓練時用到的,後者是在測試時用的, Detection Layer refine_detections_graph根據rois和probs(每個ROI都有總類別個數的probs)和deltas進行檢測的優化，得到固定數量的優化目標。 123456789101... 閱讀全文…

#Batch NormalizationBatch Normalization 在深度學習上算是不可或缺的一部分，基本上所有的框架中都會用到它，我記得比較清楚的是，在YOLOV2中作者採用了Batch Normalization 從而提高了4個百分點的Map吧。 ##為何要提出Batch Normalization？在每次給network輸入數據時，都需要進行預處理，比如歸一化之類的，為什麼... 閱讀全文…

ROIAlign Layer這class在兩個地方會被呼叫到 1234567def build_fpn_mask_graph(rois, feature_maps, image_meta, pool_size, num_classes, train_bn=True): # ROI Pooling # Shape: [batch, n... 閱讀全文…

Detection Target Layer與Detection Layer 前者是在訓練時用到的後者是在測試時用的 其實對於inference來說,Proposal_Layer已經拿到要的結果了, DetectionTargetLayer最主要是訓練用途需要 所以會有ground truth (gt_box, gt_class_id, gt_mask) overlaps_graph這邊顧名... 閱讀全文…

通過下面這段程式碼拿到anchors以後 12345678910# Anchorsif mode == "training": anchors = self.get_anchors(config.IMAGE_SHAPE) # Duplicate across the batch dimension because Keras requires it # TODO: can this b... 閱讀全文…

接續上面的RPN output 123456789101112131415161718rpn_class_logits, rpn_class, rpn_bbox = outputs# Generate proposals# Proposals are [batch, N, (y1, x1, y2, x2)] in normalized coordinates# and zero padded... 閱讀全文…

Mask_RCNN V2.1版本 檔案：Model.py Class MaskRCNN():這部分是在程式碼主體所使用到RPN的部分, 其中傳入參數預設為此, for loop那邊... 閱讀全文…

Mask_RCNN V2.1版本 檔案：Model.py Resnet的程式碼是由下面這專案參考改來的https://github.com/fchollet/deep-learning-models/blob/master/resnet50.py identity_block這function主要是為了後面的resnet_graph做準備的, 主要是為了重複利用,對應到的就是Resnet裡面... 閱讀全文…

BackBone : ResNet and FPN FPN的code其實作者寫在了model.py的Class MaskRCNN裡面並沒有獨立出來, 而其餘ResNet有 Region Proposal Network: Anchor Boxes Generate 產生anchor boxes的code RPN RPN網路架構的code Proposal Layer 將Anchor B... 閱讀全文…

閱讀全文…