Faster RCNN原理及Pytorch代碼解讀——全連接RCNN模塊

經過上一篇的RoI Pooling層之後，大小不一的RoI被池化到相同的維度上，因此接下來我們可以可以利用全連接網絡進行分類與迴歸預測量的計算。在訓練階段，最後需要計算預測量與真值的損失並反傳優化，而在前向測試階段，可以直接將預測量加到RoI上，並輸出預測量。 全連接RCNN模塊 整個模塊的流程圖如下： 從圖中我們可以看出，原本的256個RoI經過池化之後得到了512×7×7的特徵，因爲後面接的是

>>阅读原文<<