gpt4 book ai didi

deep-learning - 为什么过滤器和特征层具有相同数量的 channel ?

转载 作者:行者123 更新时间:2023-12-04 06:22:57 25 4
gpt4 key购买 nike

一些对象检测框架,例如 SSD(单次多盒检测器)和 Faster-RCNN,具有用于分类和回归的“卷积过滤器”。以下来自SSD:

For a feature layer of size m × n with p channels, the basic element for predicting parameters of a potential detection is a 3 × 3 × p small kernel that produces either a score for a category, or a shape offset relative to the default box coordinates. At each of the m × n locations where the kernel is applied, it produces an output value.



我的问题是:“小内核”的数量必须是 p 吗?设置一个任意数 k(与特征 channel 不同)如何?

最佳答案

enter image description here

图中,部分extra Feature layers显示如何 small kernel摘录p来自每个输出位置的向量,预测不同 aspect ratios 的检测和 class categories .

例如,从第一个卷积特征图,p 是 (3x(classes+4)) ,第二个是 (6x(classes+4)) .号码 36表示anchor的数量为这些特征图定义的框,对于每个 anchor 框都有 classes + 4 box coordinates输出。

所以你需要修复p根据您为每个特征图决定的 anchor 框数量,您想要检测的类数量。

My question is: does the numbers of “small kernels” have to be p? How about set a arbitrary number k (which is not same with feature channels)?



特征 channel 是 3x3xp卷积的结果channel 所以它总是需要大小 p ,它是内核的输出 channel 大小。并注意 3x3xp实际上是 3 x 3 x in_channels x p ,例如第一个特征层是通过卷积 38x38x512得到的来自带有内核的 VGG 3x3x512xp获取 38x38xp

关于deep-learning - 为什么过滤器和特征层具有相同数量的 channel ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50615786/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com