Meine Frage betrifft die Implementierung von Faster R-CNN.Objekterkennung mit schnellerem R-CNN
las ich das Papier und wurde die config.py Datei durchlaufen, vom Autor des Algorithmus geschrieben wird, die hier zur Verfügung: https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/fast_rcnn/config.py
ich durchaus nicht in der Lage bin, das zu verstehen, warum brauchen wir BBOX_INSIDE_WEIGHTS (erwähnt bei Zeile 84) und RPN_POSITIVE_WEIGHT (in Zeile 124 erwähnt)?
In einer anderen Implementierung, ich sah auch Ankermasken (Linie 659), Regressionsankergewichte und Ankerregressionsmasken, die hier zur Verfügung stehen: https://github.com/DeepRNN/object_detection/blob/master/model.py
Kann jemand bitte die einfache und einfache Antwort geben, was diese Parameter für und warum brauchen wir sie eigentlich?
Es bedeutet, dass Ankermasken, Anker-Regressionsgewichte und Anker-Regressionsmasken und BBOX_INSIDE_WEIGHTS die gleichen Dinge sind? Wie ich das Papier verstanden habe, gibt es zusätzlich zu Wahrscheinlichkeitsbewertungen 4 * k Ausgänge (Regressionsanteil) von RPN für jeden Ort des Bildes, wobei k die Anzahl der Anker ist. Also sollte es keine 4 * k Gewichte für den Regressionsteil des RPN geben? –