主要參考文章：1，從編程實現角度學習Faster R-CNN（附極簡實現）

經常是做到一半發現收斂情況不理想，然后又回去看看這篇文章的細節。

另外兩篇：

2，Faster R-CNN學習總結? ? ? 這個主要是解釋了18, 36是怎么算的

3，目標檢測中region proposal的作用？

主要研究了兩個版本的 pytorch 代碼，第一篇文章作者的實現，以及其提及的最簡實現

兩個實現我都深入看了并且修改了。

Faster R-CNN是兩階段檢測：rpn + fast rcnn。rpn最前面是個feature_extractor，可以自己選擇用哪一個。

rpn在voc2007訓練集的2501個樣本上跑了40個epoch，cls loss到大概0.10，reg loss到0.05的樣子，

和陳云那個誤差圖在四五十epoch的時候誤差基本上是一樣的，我就當它收斂了。

反正就是要提取圖片的特征，最后我用了squeezeNet 1.0，也還是能收斂的。

?

2018年3月12日11:04:28

兩個用于學習Faster R-CNN的例子：

https://github.com/necroen/examples

轉載于:https://www.cnblogs.com/shepherd2015/p/8535358.html

總結

以上是生活随笔為你收集整理的Faster R-CNN代码例子的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。