search

leon-liangwu / MaskYolo_Caffe

YOLO V2 & V3 , YOLO Combined with RCNN and MaskRCNN
114 stars 50 forks source link

替换特征提取网路，几个参数不太理解 #50

Closed guods closed 4 years ago

guods commented 4 years ago

我想将MobilenetV2替换成Resnet50，为了能训练起来，将RegionLoss层和decode_roi层中的num_object=3改成num_object=4, anchor_x和anchor_y重新计算成四对， 以及num_coord由默认的4, 我在train.prototxt中手动传入参数；我想知道这两个参数和prop_num的具体含义，看代码没太看懂。

leon-liangwu commented 4 years ago

这些都和yolo是一样的。feature map 的output是 num_object * (1+4+num_class) ,只有一个类的时候num_class =0, 大于1的时候，num_class=类个数，num_object 为anchor个数。num_coord 就是x, y, w, h 这四个值，prop_num，是选取用来做mask regression的box proposal的个数，我这里一般等于batch_size大小，因数据集中target多少而变。

guods commented 4 years ago

@leon-liangwu 非常感谢你的回答。

guods commented 4 years ago

@leon-liangwu

resnet50_train_step1.txt 我替换了特征提取网络，不收敛，你能帮我看看改的网络有什么问题吗

leon-liangwu commented 4 years ago

I think you may need to firstly train a detection model without the mask regression part for finetuning.

guods commented 4 years ago

mb_v2_t4_cls5_deploy.txt 你提供的mb_v2_t4_yolo.caffemodel对应的deploy文件是\models_maskyolo\mb_v2_t4_cls5_yolo\mb_v2_t4_cls5_deploy.prototxt吗 mb_v2_t4_cls5_deploy.prototxt中特征提取层到conv5/2/sum,但是caffemodel中的特征提取层到conv6/0/ds1/det?你能帮我确认一下吗