当前位置：首页 > news >正文

R-CNN,Fast-R-CNN-Faster-R-CNN个人笔记

news 来源：原创 2025/7/4 18:15:49

注：此博客主要为了方便笔者快速复习，只讲大致框架，只讲推理，不讲训练，因此内容不会很详实。

1.R-CNN

R-CNN系列的开山之作。

本文将该框架划分为3个模块：
1.region proposal generator
2.CNN（选取VGG16作为backbone）
3.SVM

第一个模块。第一个模块负责生成region proposal，也就是许多候选框（后续从这些框中选取某些框作为目标检测的输出框）。这里生成候选框采用了一种叫做selective search的方法。
请注意，这里的候选框是与类别无关（category-independent）的，后续步骤才会确定框的类别。

第二个模块。众所周知CNN可以用于提取图片特征，而此处的CNN就是为了分别提取region proposal对应图像的特征的。也就是说，每一个候选框都会经由CNN生成对应特征。这里就引出一个小问题：后续的SVM要求输入的特征维度是确定的，要达到这个目的，CNN的输入图像维度也要是确定的。但候选框的大小是五花八门的，怎么把每个候选框映射到固定维度大小呢？作者采用了一种叫warp的方法，具体请查阅论文。

在这里插入图片描述

第三个模块怎么使用？若总共有20个类别，就训练出20个SVM。这样，一开始selective search会生成2000个候选框，然后经由CNN得到一个2000 * 4096的矩阵（每个候选框的特征向量维度是4096），再分别对每个特征向量使用20个SVM，得到2000*20的矩阵（每个候选框对应于某一个类别的概率）。

到这一步，理论上已经结束。只是我们可以看出，候选框明显过多。于是，对于每一个类别分别使用非极大值抑制（NMS），削减候选框的数量，可以得到更合理的结果。

此外，selective search的候选框位置不一定就那么刚好对得上真实框。在上一步结束后，这里还用了20个回归器来矫正每一类边界框的位置与大小，使得最后的生成框与真实框的IOU更高。

2.Fast-R-CNN

依然使用selective search，得到许多proposal。

CNN（依然选取VGG16）：将原图像映射为一个feature map

关于ROI：

这部分是这篇论文的主要创新点。R-CNN中，CNN直接对proposal进行操作，那么就要经历2000次CNN的前馈过程。但在此论文中，我们只进行一次CNN操作：将原图像映射为一个feature map。那怎么提取proposal的相关信息呢？直接通过ROI projection（见图）将proposal映射到feature map的一小块区域，将这一小块区域作为proposal的特征图（也就是说，每个proposal都会对应feature map上的一个“小feature map”）。

在这里插入图片描述

现在有了小feature map，就可以使用一个叫做ROI pooling的操作，将每个小feature map切割为7×7的小块，在每个小块上分别使用max pooling，就得到了7×7的最终特征。这里需要强调，ROI pooling 和SPP-net一样，是对每个channel分别进行操作的。也就是说，如果原图的feature mapchannel为c，那么每个小feature map的最终特征大小为7×7×c。

为什么要这样做？因为和之前一样，送入分类模块之前，要保证得到的表征（representation）大小维度是固定的。

最后是分类

分类的SVM变成了线性层。每个7×7×c的输出都会被分类为N个类别中的一个或是背景类。另外，依然有回归器对边界框的位置、大小进行矫正。

Faster R-CNN

上一篇工作提速已经比较明显了，但selective search依然比较耗时。这篇针对这个痛点，提出了RPN，进一步进行提速。

RPN和Faster R-CNN 共享了最开始的卷积层。本文架构与Fast R-CNN的的不同之处就是：将selective search替换为RPN。

按文中的意思，RPN是若干个卷积层构成的，只是除了最后一层（图中左侧），之前的卷积层与Fast R-CNN detector共用了（也就是图中的conv layers部分）。

在这里插入图片描述

RPN如何操作（专指最后一层卷积，也就是图片左侧）？首先要知道，在feature map上每一点会根据长宽比、面积生成k个anchor（这里k为3×3=9）。

先将feature map进行padding，然后以3×3的卷积核依次在feature map的每个位置进行滑动。这里若backbone使用的是ZF-net，则feature map的channel为256，即，在feature map的每个位置上，RPN的输出维度是256。之后再将这个256维的向量分别接入两个全连接层，分别产生4k和2k个输出（前者用于调整框的大小和位置，后者用于判断每个框是不是背景）。

RPN生成的框会很多，会通过去除超过图片边界的anchor去除大部分框。去除以后剩下的框的数目大致和selective search相同。之后就和Fast R-CNN一样，正常检测，最后做一个NMS就行了。

R-CNN,Fast-R-CNN-Faster-R-CNN个人笔记

注：此博客主要为了方便笔者快速复习，只讲大致框架，只讲推理，不讲训练，因此内容不会很详实。 1.R-CNN R-CNN系列的开山之作。本文将该框架划分为3个模块： 1.region proposal generator 2.CNN&#xff08…...

编程日记 2025/7/4 18:15:49

【深度学习核心技术解析】从理论到实践的全链路指南

目录前言技术背景与价值当前技术痛点解决方案概述目标读者说明一、技术原理剖析核心概念图解核心作用讲解关键技术模块说明技术选型对比二、实战演示环境配置要求核心代码实现（MNIST分类）运行结果验证三、性能对比测试方法论量化数据对比结果分析四…...

编程日记 2025/6/29 9:21:26

【QT网络】构建简单Udp回显服务器

📢博客主页：https://blog.csdn.net/2301_779549673 📢博客仓库：https://gitee.com/JohnKingW/linux_test/tree/master/lesson 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！ &…...

编程日记 2025/7/4 16:26:41

浅谈国产数据库多租户方案：提升云计算与SaaS的资源管理效率

近年来，“数据库多租户”这一概念在技术圈内频频出现，成为云计算和SaaS（软件即服务）架构中的重要组成部分。多租户架构不仅为企业提供了高效的资源隔离与共享解决方案，还能大幅降低成本，提高系统的可扩展性…...

编程日记 2025/7/4 16:58:34

【霍夫变换】图像处理（OpenCV）-part11

20 霍夫变换 20.1 理解霍夫变换霍夫变换的基本思想是将图像空间中的几何元素（如直线、圆等）通过参数方程转换到参数空间中，形成一个参数空间的累加器数组。图像空间中的每个点在参数空间中对应一个曲线或曲面，而几何形状在图像…...

编程日记 2025/6/29 9:21:43

Flink 源码编译

打包命令打包整个项目 mvn clean package -DskipTests -Drat.skiptrue打包单个模块 mvn clean package -DskipTests -Drat.skiptrue -pl flink-dist如果该模块依赖其他模块，可能需要先将其他模块 install 到本地，如果依赖的模块的源代码有修改&#…...

编程日记 2025/6/29 9:25:27

React19源码阅读之commitRoot

commitRoot入口在finishConcurrentRender函数，commitRootWhenReady函数，commitRoot函数。 commitRoot流程图 commitRoot函数 commitRoot 函数是 React 渲染流程中用于提交根节点的关键函数。它的主要作用是设置相关的优先级和状态，然后调…...

编程日记 2025/7/4 16:43:47

单例模式

设计模式（Design Pattern）说白了就是一套方法论，是我们的前辈们不断试错总结出来的。一般意义上的设计模式有23种，分为创建型、结构型、行为型三大类。今天先拿最简单的单例模式开刀吧。六大原则在正式进入设计模式的学习之前&…...

编程日记 2025/6/29 9:21:37

如何在 Postman 中，自动获取 Token 并将其赋值到环境变量

在 Postman 中，你可以通过预请求脚本（Pre-request Script） 和测试脚本（Tests） 实现自动获取 Token 并将其赋值到环境变量，下面是完整的操作步骤： ✅ 一、创建获取 Token 的请求通常这个请求…...

编程日记 2025/6/29 10:14:29

CentOS 7 基于 Nginx 的 HTML 部署全流程指南

一、Nginx 安装（两种主流方式） 1. YUM 安装（推荐新手） # 安装 EPEL 扩展源（部分系统需要） yum install epel-release -y# 安装 Nginx yum install nginx -y# 启动并设置开机自启 systemctl start nginx s…...

编程日记 2025/6/29 9:21:41

spring-ai使用Document存储至milvus的数据结构

1、 spring:application:name: spring-ai-alibaba-rag-milvus-exampleai:dashscope:api-key: sk-xxxxxxoooooovectorstore:milvus:client:host: xxx.ooo.mmm.nnnport: 19530username: rootpassword: MilvusdatabaseName: defaultcollectionName: vector_store#初始化 collecti…...

编程日记 2025/6/29 9:21:39

Milvus（6）：Collection 管理分区、管理别名

1 管理分区分区是一个 Collection 的子集。每个分区与其父集合共享相同的数据结构，但只包含集合中的一个数据子集。本页将帮助你了解如何管理分区。 1.1 分区概述创建一个 Collection 时，Milvus 也会在该 Collection 中创建一个名为_default 的分区。…...

编程日记 2025/6/29 9:23:41

关于Safari浏览器在ios＜16.3版本不支持正则表达式零宽断言的解决办法

异常原因今天在升级Dify版本的时候发现低版本的ios手机出现了以下报错： SyntaxError: Invalid regular expression: invalid group specifier nameError: Invalid regular expression: invalid group specifier name Call Stack 46 eval [native code] (0:0) ./n…...

编程日记 2025/6/29 9:21:29

设计模式--建造者模式详解

建造者模式建造者模式也属于创建型模式，它提供了一种创建对象的最佳方式定义：将一个复杂对象的构建和它的表示分离，使得同样的构建过程可以创建不同的表示（假设有不同的建造者实现类，可以产生不同的产品&#xff09…...

编程日记 2025/6/29 10:43:54

玩转Docker | Docker部署LMS轻量级音乐工具

玩转Docker | Docker部署LMS轻量级音乐工具前言一、LMS介绍LMS简介主要特点二、系统要求环境要求环境检查Docker版本检查检查操作系统版本三、部署LMS服务下载镜像创建容器创建容器检查容器状态检查服务端口安全设置四、访问LMS服务访问LMS首页注册账号五、基本使用上传音乐文…...

编程日记 2025/6/29 9:21:20

【前端】【业务场景】【面试】在前端项目中，当涉及大量数据渲染时，如何提高渲染性能并避免页面卡顿？

大量数据渲染性能优化：四层进阶法循序渐进：先限量 → 再懒渲 → 后分批 → 终极后台协作 1 虚拟滚动：一次只保留“看得见”的节点核心思路：固定容器高度，让滚动条滚动 假象 的总长度；可视窗口内…...

编程日记 2025/6/29 11:59:29

数据结构与算法实战：从理论到落地的深度探索

放在前面咯数据结构与算法实战：从理论到落地的深度探索数据结构与算法实战：从理论到落地的深度探索在计算机科学的浩瀚宇宙中，数据结构与算法犹如璀璨星辰，指引着高效程序设计的方向。它们不仅是开发者解决复杂问题的核心利…...

编程日记 2025/6/29 10:19:53

大文件上传Demo及面试要点

大文件上传功能实现原理 - 面试解析在面试中解释大文件上传功能的实现原理时，可以从以下几个方面进行说明： 1. 分片上传 (Chunked Upload) 实现原理 ： 前端将大文件分割为固定大小(如5MB)的多个分片(Chunk)每个分片独立上传，…...

编程日记 2025/6/29 9:21:31

安宝特案例 | 物流仓储头部企业应用AR+作业流，规范日常安全点检，保障消防安全

安全点检管理的真实性缺失将会造成极大损失。仓储物流行业有仓库面积大、货物堆放密集、包装材料易燃、整体货值高的特点，且造成火灾的隐患包括建筑结构隐患、消防设置失效、货物存放与操作隐患、电气系统问题、人为因素等，因此安全管理被放在重要位置…...

编程日记 2025/6/29 10:19:35

关于 xpath 查找 XML 元素的一点总结

测试环境 Win7 64 python 3.4.0 实践出真知代码如下，更换不同的 xpath，和 response_to_check 进行测试实验 1 xpath ".//xmlns:return//xmlns:copeWith" response_to_check \ <soap:Envelope xmlns"http://www.examp.com…...

编程日记 2025/6/29 9:21:22

JavaScript学习教程，从入门到精通，XMLHttpRequest 与 Ajax 请求详解（25）

XMLHttpRequest 与 Ajax 请求详解一、XMLHttpRequest 概述 XMLHttpRequest (XHR) 是一个 JavaScript API，用于在浏览器和服务器之间传输数据，而无需刷新页面。它是实现 Ajax (Asynchronous JavaScript and XML) 技术的核心。主要特点： …...

编程日记 2025/7/3 10:44:01

HTML、XHTML 和 XML区别

HTML、XHTML 和 XML 这三兄弟的区别 HTML: 老大哥，负责网页长啥样，性格比较随和，有点小错误也能容忍。XHTML: 二哥，看着像 HTML，但规矩严，是按 XML 的规矩来的 HTML，更规范。XML: 小弟&#xf…...

编程日记 2025/6/29 9:21:23

形象解释 HTTP 的四种常见请求方式及其中的区别联系

HTTP 的常见请求方式常见的有四种：GET、POST、PUT、DELETE，它们各自的功能不一样。 🍜 场景比喻：HTTP 请求像“去餐厅点菜” 请求方式行为餐厅比喻说明GET获取数据看菜单/问服务员：你们有什么菜？不带食材、…...

编程日记 2025/6/29 10:28:55

微信小程序根据图片生成背景颜色有效果图

效果图取得是图片中间10个像素算出背景颜色 .wxml <canvas type"2d" id"imageCanvas" style"--w: {{w}}px;--h: {{h}}px;" /> <view style"background: {{backgroundColor}};"><image bind:tap"updateIndex&qu…...

编程日记 2025/6/29 10:04:54

实时步数统计系统 kafka + spark +redis

基于微服务架构设计并实现了一个实时步数统计系统，采用生产者-消费者模式，利用Kafka实现消息队列，Spark Streaming处理实时数据流，Redis提供高性能数据存储，实现了一个高并发、低延迟的数据处理系统，支持多…...

编程日记 2025/6/29 9:21:45

使用 Docker 安装 SQL Server 2022 并解决 Navicat 连接问题

在使用 Docker 安装 SQL Server 时，很多人可能遇到过无法通过 Navicat 等数据库客户端连接到容器的情况。尤其是尝试使用 mcr.microsoft.com/mssql/server:2022-latest 镜像时，可能会发现 Navicat一直转圈，无法连接到数据库。在这篇博客中&am…...

编程日记 2025/6/29 12:09:31

使用 Node、Express 和 MongoDB 构建一个项目工程

本文将详细介绍如何使用 Node.js Express MongoDB 构建一个完整的 RESTful API 后端项目，涵盖： 项目初始化 Express 服务器搭建 MongoDB 数据库连接 REST API 设计（CRUD 操作） 错误处理与中间件源码结构与完整代码部署建…...

编程日记 2025/6/29 12:25:13

基本元器件电阻、电容、电感的高频知识和大厂真题解析

本文首先举例分析各个方向的工程师如何定制化准备硬件岗位面试，各个击破；然后根据实战经验总结硬件领域中电阻电容电感等的主要笔试、面试高频考题考点；最后，列出最新最全的基本元器件笔试面试的真题和模拟题，供大家参考。本专栏预计更新50期左右。当前第3期一、硬件…...

编程日记 2025/6/29 9:22:56

Unity InputSystem触摸屏问题

最近把Unity打包后的windows软件放到windows触摸屏一体机上测试，发现部分屏幕触摸点击不了按钮，测试了其他应用程序都正常。这个一体机是这样的，一个电脑机箱，外接一个可以触摸的显示屏，然后UGUI的按钮就间歇性点不了…...

编程日记 2025/6/29 11:02:54

分布式微服务架构,数据库连接池设计策略

在分布式微服务架构中，数据库连接池的设计远比单体应用复杂，涉及资源隔离、连接管理、性能调优和高可用等问题。下面是面向专业软件架构师的系统化分析与策略建议： 一、核心挑战每个服务独立运行，连接池分散每个微服务维护自己的…...

编程日记 2025/6/29 10:31:07

差分信号抗噪声原理：

差分信号抗噪声原理： 差分信号除了能很好地解决发送和接收参考点电位不同的问题外，差分信号的另一个重要优势就是在一定条件下其抗干扰能力比单端信号更强。对于单端信号传输，外界对它的干扰噪声直接叠加在信号上，接收端直接检测输…...

编程日记 2025/6/29 11:13:23

【数据分析】酵母实验多指标数据的 R 语言分析与可视化

禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者! 文章目录介绍加载必要的R包数据下载定义函数发育分析（development analysis）数据导入与预处理数据子集创建绘图模型分析两两比较生存分析（survival analysis）数据导入与预处理数据子集创建绘…...

编程日记 2025/6/29 11:30:03

AI | 最近比较火的几个生成式对话 AI

关注：CodingTechWork 引言生成式对话 AI 正在迅速改变我们与机器交互的方式，从智能助手到内容创作，其应用范围广泛且深远。本文将深入探讨几款当前热门的生成式对话 AI 模型，包括 Kimi、DeepSeek、ChatGPT、文心一言、通义千问和…...

编程日记 2025/6/29 11:25:12

将视频生成视频二维码步骤

如何将视频链接生成二维码生成与视频关联的二维码通常涉及以下几个方面：选择合适的库或工具、准备视频链接以及将其转换为二维码图像。以下是详细的说明： 使用JavaScript/Vue框架生成二维码在前端开发中，可以使用 qrcode 或者 vue-qrcod…...

编程日记 2025/6/29 19:37:06

以安科瑞 EMS3.0 为依托，打造网荷储充一体化典范

在“双碳”目标与能源革命的浪潮中，安科瑞电气股份有限公司推出的EMS3.0微电网智慧能源平台，以“源-网-荷-储-充”全链路协同为核心，通过物联网、大数据与AI技术的深度融合，为企业提供了一套智能化、高效化、低碳化的能源管理解决…...

编程日记 2025/6/29 11:09:34

堆和二叉树--数据结构初阶(3)(C/C++)

文章目录前言理论部分堆的模拟实现:(这里举的大根堆)堆的创建二叉树的遍历二叉树的一些其他功能实现作业部分前言这期的话讲解的是堆和二叉树的理论部分和习题部分理论部分二叉树的几个性质:1.对于任意一个二叉树，度为0的节点比度为2的节点多一个 2.对于完全…...

编程日记 2025/6/29 11:24:45

CLIP和SimCLR集成到图像-文本检索系统技术实现步骤和部署方案（代码版）

将 CLIP（多模态对比学习）和 SimCLR（单模态对比学习）集成到图像-文本检索系统（如搜索引擎、电子商务平台）的技术实现步骤和部署方案，结合代码示例与工程化思路： ### 一、技术实现核心步骤 1. 环境搭建与依赖安装 # 安装 PyTorch（支持 GPU 加速） pip install torch…...

编程日记 2025/6/29 9:23:12

R/G-B/G色温坐标系下对横纵坐标取对数的优势

有些白平衡色温坐标系会分别对横纵坐标取对数运算。这样做有什么优势呢？我们知道对数函数对0-1之间的因变量值具有扩展作用。即自变量x变化比较小时，经过对数函数作用后可以把因变量扩展到较大范围内，即x变化较小时，y变化较大，增加了识别数据的识别性。由于Raw数据中的…...

编程日记 2025/6/29 9:21:21

Java开发工具IntelliJ IDEA v2025.1——全面支持Java 24、整合AI

IntelliJ IDEA 是由 JetBrains 开发的智能 Java IDE，提供代码自动补全、重构工具、框架集成（Spring/JPA 等）、数据库工具和调试支持，通过深度代码分析与跨语言功能优化企业级开发流程，被广泛认可为专业 Java 开发者的高…...

编程日记 2025/7/3 10:30:20

IDEA启动报错Failed to create JVM. JVM path的解决办法

今天修改了 IntelliJ IDEA 2023.1 的配置文件 idea64.exe.vmoptions 后启动报错： if you already hava a JDK installed, define a JAVA_HOME variable in Computer > Systen Properties > System Settings > Environment Variables.Failed to create JV…...

编程日记 2025/7/3 15:15:32

R语言中的常用内置函数

常用的数值函数常用的字符函数与概率分布相关的函数有用的统计函数数据来源:《数据挖掘与数据分析：基于R语言》王阳 2024年1月出版...

编程日记 2025/6/29 9:21:49

docker容器监控自动恢复

关于实现对docker容器监控以及自动恢复，这里介绍两种实现方案。方案1： 实现思路： 找到（根据正则表达式）所有待监控的docker容器，此处筛选逻辑根据docker运行状态找到已停止（Exit）类…...

编程日记 2025/6/29 9:21:36

【记录手贱bug日常】IDEA 配置vmoptions后打不开，重新安装，删注册表均无用

今天早上来公司，闲着没事优化优化自己的"锄头"idea，然后想着看看idea用的啥垃圾回收器，后来手动改成了-XX:UseG1GC，满心欢喜觉得没什么问题，直接删除缓存重启，结果不出意料的出问题了&#xff0c…...

编程日记 2025/6/29 9:21:35

STM32F407使用ESP8266实现阿里云OTA（中）

文章目录前言一、程序分析二、程序讲解1. main函数2. Get_Version()函数3. esp_Init()函数4. Check_Updata()函数结语前言从上一章STM32F407使用ESP8266实现阿里云OTA（上）中我们已经对连接阿里云和从阿里云获取升级包的流程非常的熟悉了。所以本章我们进行STM32的程序开发…...

编程日记 2025/6/29 10:57:44

如何利用快照与备份快速恢复服务器的数据

在服务器上利用**快照（Snapshot）**和**备份（Backup）**快速恢复数据，可显著减少停机时间并确保业务连续性。以下是具体操作步骤和最佳实践： --- ### **1. 快照（Snapshot）恢复** **适…...

编程日记 2025/6/29 10:50:20

【Leetcode 每日一题】2799. 统计完全子数组的数目

问题背景给你一个由正整数组成的数组 n u m s nums nums。如果数组中的某个子数组满足下述条件，则称之为完全子数组 ： 子数组中不同元素的数目等于整个数组不同元素的数目。返回数组中完全子数组的数目。子数组是数组中的一个连续非空序…...

编程日记 2025/6/29 12:17:10

主流操作系统对比分析（macOS、Linux、Windows、Unix）

主流操作系统对比分析（macOS、Linux、Windows、Unix） 一、系统基本介绍系统核心特点典型代表macOS苹果公司开发，基于 Unix（BSD），闭源，专为苹果硬件优化，强调用户体验和设计美学。m…...

编程日记 2025/6/29 10:17:07

Qt使用 SQLite 数据库的基本方法

在 Qt 中，使用 SQLite 数据库的基本方法与 MySQL 类似，但 SQLite 是一个轻量级的嵌入式数据库，通常不需要外部数据库服务器。你可以直接在本地磁盘上操作 SQLite 数据库文件。 1. 安装 SQLite 驱动通常，Qt 默认包含了对 SQLite…...

编程日记 2025/6/29 11:55:17

【刷题系列】LeetCode消失的数字、轮转数组

文章目录 1、消失的数字1.1 题目描述1.2 题目分析 2、轮转数字2.1 题目描述2.2 题目分析 1、消失的数字原题链接：消失的数字 1.1 题目描述数组nums包含从0到n的所有整数，但其中缺了一个。请编写代码找出那个缺失的整数。你有办法在O(n)时间内完成吗…...

编程日记 2025/6/29 11:09:26

Unreal Niagara制作SubUV贴图翻页动画

SubUV翻页动画是游戏中的常见功能，通过对每一小块UV进行移动可以模拟动画效果，接下来对下图进行SubUV动画的制作。 (金币测试图下载地址：https://download.csdn.net/download/grayrail/90684422） 最终效果如下： 1.…...

编程日记 2025/6/29 10:02:34

1.R-CNN

2.Fast-R-CNN

Faster R-CNN

相关文章：