xyy19920105的博客

从今天开始，阅读faster rcnn的相关代码，并记录我对faster rcnn中特别的层的理解。注意，RBG大神认为CPU版本的太慢了，故有些操作CPU版压根就没有实现。RoI Pooling就是实现从原图区域映射到conv5区域最后pooling到固定大小的功能。 输入，b0 为卷积的feature map，b1 为rois。 LayerSetUp 将参数赋值。 Reshape 将

从今天开始，阅读faster rcnn的相关代码，并记录我对faster rcnn中特别的层的理解。本篇主要是对smooth_L1_Loss层进行解读。 RBG大神认为CPU版本的太慢了，故有些操作CPU版压根就没有实现。smooth_L1_Loss是Faster RCNN提出来的计算距离的loss，文章中提到对噪声点更加鲁棒。 输入四个bottom，分别是predict，target，insi

这两天一直在研究faster rcnn的源码，可是依旧感觉云里雾里，故下定决心把caffe调用python layer的流程仔细走一遍，好明白到底是什么在调用python layer。话说 linux 调试还真是蛋疼啊，木有ide那样直接下断点，gdb又不会用，只能傻比比的不断的LOG(INFO)输出。还好最终还是明白了，我就直接顺着faster rcnn来说，并记录在此。 faster rcnn最