Question

我有以下代码：

    model (features, rois) = {

        convOut  = convLayers (features)
        roiOut   = ROIPooling (convOut, rois, (9:9),spatialScale=64.0/196.0)
        z    = fcLayers (roiOut)


    }.z

原文取自：cntk \ Examples \ Image \ Detection \ FastRCNN \ BrainScript

ROIPooling中的spatialScale是什么？如何计算？

如果在cntk.exe的输出中找到了这个。

验证 - ＆gt; z.convOut.z.rn3.r.r = RectifiedLinear（z.convOut.z.rn3.r.r._）：[49 x 49 x 64 x *] - ＆gt; [49 x 49 x 64 x *]

验证 - ＆gt; rois = InputValue（）： - ＆gt; [4 x 1000 x *]

验证 - ＆gt; z.roiOut = ROIPooling（z.convOut.z.rn3.r.r，rois）：[49 x 49 x 64 x *]，[4 x 1000 x *] - ＆gt; [9 x 9 x 64 x 1000 x *]

Answer 1

空间尺度是输入的空间分辨率与ROI的比率以及输入图像与网络的空间分辨率。 1 / 16.0是原始快速和快速R-CNN实现中使用的值，该值取决于网络。

实际上，空间尺度是相对于原始图像的ROI输入的比例。

谢谢，
伊马德

快速R-Cnn和BrainScript中的spatialScale问题

1 个答案: