我试图在我自己的数据上理解并使用Faster R-CNN算法。
我的问题是关于ROI坐标：我们所拥有的标签，以及我们最终想要的是输入图像中的ROI坐标。但是，如果我理解正确，在卷积特征图中给出了锚框，那么ROI回归给出了相对于锚框的ROI坐标（这样可以很容易地转换为转换特征图坐标中的坐标），然后是{{3} part使用卷积特征映射中的坐标进行ROI汇集，并自行（分类和）回归边界框坐标。
考虑到原始图像和卷积特征之间，发生了一些卷积和聚集，可能有步幅>1（子采样），我们如何将原始图像中的坐标与特征空间中的坐标相关联（两种方式） ）？
我们应该如何给出锚箱大小：相对于输入图像大小，还是卷积特征图？
Fast-RCNN对边界框的回归如何表达？ （我猜：相对于投资回报率提案，类似于相对于锚箱的提案编码;但我不确定）
答案 0 :(得分：1)
看起来它实际上是一个实现问题，方法本身并没有回答这个问题。
Tensorflow Object Detection API使用的一种好方法是始终相对于图层的输入大小给出坐标和ROI大小。也就是说，所有坐标和大小都是0和1之间的实数。同样对于锚箱。
这很好地处理了下采样的问题，并且可以轻松计算ROI坐标。
答案 1 :(得分：0)
如果您未在图层上使用激活功能，则结果将为原始数字。这些原始数字基本上与坐标（标签）直接相关联。
使用softmax或relu等激活函数会给出概率值，这会导致分类解决方案，而不是回归。