R-CNN

这是一个2000×4096的一个特征矩阵

05:44在这个特征矩阵当中呢

05:45每一行就是我们一个候选框

05:48通过CNN网络得到了一个特征向量

05:51然后它有2000候选框

05:53所以它一共有2000行

05:54然后中间这个就是我们所说的SVM权值矩阵

05:58它的每一列呢

05:59就对应着我们一个类别的全值向量

06:03然后它一共有20个

06:04我们将它拼接在一起

06:05就得到一个4096×20的一个权值矩阵

06:08这里呢我们假设我们这个SVM分类器的第一列

06:12代表的是我们所需要检测的猫

06:14第二列代表我们所需检测的狗

06:17那么我们将我们的候选区域框一

06:20所对应的特征向量

与我们的SVM分类器一进行矩阵相乘

06:25那么就得到我们这个2000×20的概率

06:29矩阵的第一行的第一个元素

06:32也就是对应着我们第一个候选框为猫的概率

06:35那么我们再将我们第一个候选框的特征向量

06:39与我们第二个SVM分类器

06:41也就是判定它是否为狗得分类器进行相乘

06:45就得到我们第一行的第二个元素

06:47也就对应着第一个候选框为狗的概率

06:50然后依次类推

06:51就有20个概率

06:52然后我们每一个候选框与我们的SVM

06:56选择矩阵相乘

06:57都会得到一个概率向量

06:59然后这里有2000个

07:00所以它一共有2000行

07:01就得到我们2000×20的这么一个概率矩阵

07:05再分别对我们所得到的2000×20

07:08为的概率矩阵的每一列

07:10其它的每一类进行非极大值抑制

07:13去剔除一些建议框

07:15比如说我们这个2000×20的概率

07:18矩阵的第一列

07:19对应的就是我们所有候选框猫的概率

07:23它的第一列的第一个元素

07:24就对应着我们第一个候选框为猫的概率

07:26第一列的第二个元素

07:28对应的就是我们第二个候选框为猫的概率

07:30然后依次类推

1.1Faster RCNN理论合集_哔哩哔哩_bilibili

同一列的概率值判定为同一个物体，对同一列的所有框进行 iou 的计算