Faster R-CNN
Faster R-CNN
Faster R-CNN 网络结构
feature map
含义
在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map
计算方式
INPUT为3232，filter的大小即kernel size为55，stride = 1，pading=0,卷积后得到的feature maps边长的计算公式是：
output_h =（originalSize_h+padding2-kernelSize_h）/stride +1
所以，卷积层的feature map的变长为：conv1_h=（32-5）/1 + 1 = 28
卷积层的feature maps尺寸为2828.
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 Jacker-zzk's Blog！
