1.3.5　Fast R-CNN的訓(xùn)練細(xì)節(jié)

1．遷移學(xué)習(xí)

同R-CNN一樣，F(xiàn)ast R-CNN同樣使用ImageNet的數(shù)據(jù)對(duì)模型進(jìn)行預(yù)訓(xùn)練。詳細(xì)地講，先使用1000類的ImageNet訓(xùn)練一個(gè)1000類的分類器，如圖1.9的虛線部分所示；然后提取模型中的特征層及其以前的所有網(wǎng)絡(luò)；最后使用Fast R-CNN的多任務(wù)模型訓(xùn)練網(wǎng)絡(luò)，如圖1.9的實(shí)線部分所示。

2．小批次訓(xùn)練

在Fast R-CNN中，設(shè)每個(gè)批次的大小是R。在抽樣時(shí)，每次隨機(jī)選擇N幅圖像，每幅圖像中隨機(jī)選擇R/N個(gè)候選區(qū)域，在實(shí)驗(yàn)中N=2、R=128。對(duì)候選區(qū)域進(jìn)行抽樣時(shí)，選取25%的正樣本（和真值框的IoU大于0.5），75%的負(fù)樣本。