Faster-RCNN bbox/图像归一化

Question

我正在自定义数据集（大约 3000 张图像，7 个不同的类，包括背景）上使用 py-faster-rcnn，并遵循这些教程：

https://github.com/zeyuanxy/fast-rcnn/blob/master/help/train/README.md（Fast-RCNN 教程） https://github.com/deboc/py-faster-rcnn/tree/master/help（Faster-RCNN 教程）

我正在使用带有 VGG16 网络的端到端解决方案。 一切正常，期待我的结果，所以我有一些问题：

• 图像和 bbox 注释需要什么样的规范化？
• 与上一个问题类似：有两个配置选项：BBOX_NORMALIZE_TARGETS 和 BBOX_NORMALIZE_TARGETS_PRECOMPUTED。我应该在训练前计算均值和标准差并将这些选项用于 bbox 归一化吗？
• 我修改了 cls_score 和 bbox_pred 层的 num_output（根据这个线程：https://github.com/rbgirshick/py-faster-rcnn/issues/1），但在 end2end 解决方案中也有 rpn_cls_score 和 rpn_bbox_pred 层。我也应该修改这些的 num_outputs 吗？如果我应该那么我如何计算 7 个类的输出数量？

Answer 1

不，您不需要预先计算任何东西。在 lib/roi_data_layer/roidb.py 中，如果您将 BBOX_NORMALIZE_TARGETS_PRECOMPUTED 设置为 False，它将计算数据集的平均值和标准差，否则，它将使用 lib/fast_rcnn/config.py 中指定的默认值。 RPN 与类的数量无关。它只将包含任何对象的区域视为正面，而将其他所有区域视为负面。