Faster RCNN原理及Pytorch代码解读——全连接RCNN模块

经过上一篇的RoI Pooling层之后，大小不一的RoI被池化到相同的维度上，因此接下来我们可以可以利用全连接网络进行分类与回归预测量的计算。在训练阶段，最后需要计算预测量与真值的损失并反传优化，而在前向测试阶段，可以直接将预测量加到RoI上，并输出预测量。 全连接RCNN模块 整个模块的流程图如下： 从图中我们可以看出，原本的256个RoI经过池化之后得到了512×7×7的特征，因为后面接的是

>>阅读原文<<