SSD object detection 參考文章 VGG16架構解說
2020/01/07 上午 09:09
電腦視覺深度學習討論版
JJLai
觀看數：49
回答數：1
收藏數：0
cvdl-1
cvdl-1-d29
裡面有個圖
這個圖示解讀有點困難
1. Conv5_3和Conv4_3是什麼，文章中有是到Conv4_3，可是不懂它是什麼?
2. 文章中有一段「For illustration, we draw the Conv4_3 to be 8 × 8 spatially (it should be 38 × 38)」，又是8x8，然後又說shoud be 38x38，實在是不太懂。
3. 它有提到做預測時「regardless of the depth of the feature maps」那它是厚度的每一層相加做預測，還是取其中一層做預測?
再請老師與各位專家解惑，感謝。
回答列表
-
2020/01/07 下午 10:41楊哲寧贊同數：0不贊同數：0留言數：2
您好，以下依序回答：
1.Conv4_3、Conv5_3只是VGG中對feature Map的命名，因為SSD的backbone是用VGG所以原作者有特別說明一下是拿哪些層出來使用。
2.SSD中用來predict的feature Map最大是38*38，這裡Medium作者只是要告訴你他用8*8的圖來示意，原文其實是用38*38的feature Map。
3.這邊的意思是指，每個box要預測delta(x,y,w,h)，但是我們可以選擇要幾個box，如Faster R-CNN選九個，深度就是4*9=36，所以不管你深度多深，每4個值代表一個BOX。