faster RCNN(keras版本)代码讲解(4)-共享卷积层详情

忘是亡心i 2022-05-19 14:40 240阅读 0赞

faster RCNN(keras版本)代码讲解博客索引:  
[1.faster RCNN(keras版本)代码讲解(1)-概述][1.faster RCNN_keras_1_-]  
[2.faster RCNN(keras版本)代码讲解(2)-数据准备][2.faster RCNN_keras_2_-]  
[3.faster RCNN(keras版本)代码讲解(3)-训练流程详情][3.faster RCNN_keras_3_-]  
[4.faster RCNN(keras版本)代码讲解(4)-共享卷积层详情][4.faster RCNN_keras_4_-]  
[5.faster RCNN(keras版本)代码讲解(5)-RPN层详情][5.faster RCNN_keras_5_-RPN]  
[6.faster RCNN(keras版本)代码讲解(6)-ROI Pooling层详情][6.faster RCNN_keras_6_-ROI Pooling]

一.共享卷积层，有几点注意一下  
1.其实作用就是利用之前已经训练好的卷积层，具有更好的物体敏感性，能够对图片做更好的特征提取  
2.这里使用的VGG和ResNet，这两个网络的权重可以在网络上下载下来  
3.这里有点注意就是VGG和ResNet不一定全拿里面网络，比如ResNet只拿了前面4层卷积，所以在输入图和特征的大小为16:1  
4.VGG和ResNet里面定义的网络，例如卷积层，残差块等可以从keras-master\\keras\\applications\\vgg或者ResNet中拿，然后不要改里面层的名称  
在使用的时候直接load\_weights(C.base\_net\_weights, by\_name=True)就OK了

#有基于VGG和resnet两种网络模型
    if options.network == 'vgg':
        C.network = 'vgg'
        from keras_frcnn import vgg as nn
    elif options.network == 'resnet50':
        from keras_frcnn import resnet as nn
        C.network = 'resnet50'
    shared_layers = nn.nn_base(img_input, trainable=True)

[1.faster RCNN_keras_1_-]: https://blog.csdn.net/u011311291/article/details/81004067
[2.faster RCNN_keras_2_-]: https://blog.csdn.net/u011311291/article/details/81021731
[3.faster RCNN_keras_3_-]: https://blog.csdn.net/u011311291/article/details/81121519
[4.faster RCNN_keras_4_-]: https://blog.csdn.net/u011311291/article/details/81221145
[5.faster RCNN_keras_5_-RPN]: https://blog.csdn.net/u011311291/article/details/81221893
[6.faster RCNN_keras_6_-ROI Pooling]: https://blog.csdn.net/u011311291/article/details/81673460