Faster R-CNNのRegion Proposal Networkアルゴリズムが理解しきれていないのでどなたか教えてください。
私の理解としてFaster R-CNNのRPN(Region Proposal Network)は、
各アンカーにおけるグラウンドトゥルースとのIoUを計算し、
IoUが高いものについては物体の有無と、
アンカーの求めたバウンディングボックスとグラウンドトゥルースのバウンディングボックスとどれだけずれてるか、
についてディープラーニングを行うようですが、
このバウンディングボックスとのずれをどのように活かして学習するのでしょうか?
1回目のアンカーから求めたバウンディングボックスに対してボックスのずれ量を補正して学習を繰り返すのでしょうか?
となると最初にアンカーを設置した意味がよくわからないのですが、ランダムに提案するよりはFeature mapに基づいた提案をしたほうが効率が良いからということでしょうか?
よろしくお願いします。
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2020/01/25 02:02