niudong

摘要： 写在前面：下面讨论中Kernel Size为奇数，因为这样才能方便一致的确认Kernel中心。 在Fast RCNN中，为了大大减少计算量，没有进行2k次运算前向运算，而是进行了1次运算，然后在从pool5中crop出SS图片所对应的Feature map，这里详细的介绍一下是如何实现的。在CNN中 阅读全文

摘要： 符号表示： $W$：表示当前层Feature map的大小。 $K$：表示kernel的大小。 $S$：表示Stride的大小。 具体来讲： 整体说来，和下一层Feature map大小最为密切的就是Stride了，因为按照CNN的移动方式，是根据Stride来进行移动的，因此除了最后一个的长度为K 阅读全文