0
Here 및 here이 코드입니다.빠른 RCNN, 왜 conv의 결과가 bbox_deltas가 될 수 있습니까?
나는 rpn_bbox_pred
이 convolution의 결과라고 혼란스러워합니다.
rpn_bbox_pred
은 bbox_deltas
이되고 있습니다.
나는 이것을 이해할 수 없다.
Here 및 here이 코드입니다.빠른 RCNN, 왜 conv의 결과가 bbox_deltas가 될 수 있습니까?
나는 rpn_bbox_pred
이 convolution의 결과라고 혼란스러워합니다.
rpn_bbox_pred
은 bbox_deltas
이되고 있습니다.
나는 이것을 이해할 수 없다.
(3,2,36)
conv의 결과가 있다고 가정 해 보겠습니다.
하는 것으로 :
36 = 4 * 9
그래서 모양 변경 후,
(3,2)
의 각 지점은 9 제안이있다.
프로그램에서 보듯이
: 프로그램에서import numpy as np
a = [[[1]*36,[2]*36],[[3]*36,[4]*36],[[5]*36,[6]*36]]
a = np.array(a)
print(a.reshape([-1,4]))
, 모든 (3,2)
기능지도 [[1,2],[3,4],[5,6]]
입니다.
인쇄 결과 :
[[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[1 1 1 1]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[2 2 2 2]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[3 3 3 3]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[4 4 4 4]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[5 5 5 5]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]
[6 6 6 6]]