双非计算机保研上岸北邮的经验贴|满满干货|面向平民

Anchor box是怎么作用到RPN中的？网络是如何学习到分类和回归的呢？在RPN训练时，传给它的不是全部的特征图吗？是如何实现从全部特征图中将特定选择好的256个anchor box放入其中进行训练的呢？

SiamFC有两个分支对应两个输入为z（模板图像）和x（搜索区域），将他们同时输入进行特征提取，分别生成6×6×128和22×22×128的feature map。用于特征提取的φ​代表backbone，用的是AlexNet，并且在SiamFC中，有个很大的特点：即没有在AlexNet中引入padding，这点很重要，因为这保证了网络的全卷积性，也即平移不变性，保证了计算的准确性。

！小白配环境千万不要着急，遇到问题多bing多google，这个源代码仓库几千的fork，你遇到的问题肯定大家都遇到过！！

了解RPN和SiamFC的话，可以很容易地理解SiameseRPN的架构和核心思想。还没跑过代码，希望有时间试试。

！小白配环境千万不要着急，遇到问题多bing多google，这个源代码仓库几千的fork，你遇到的问题肯定大家都遇到过！！

这次代码调试过程还是让我学到了很多的，由于pytorch版Faster RCNN源码的实现和运行比较复杂，因此点到为止，只要求能成功复现实验，并且了解了怎么调参即可，代码的实现细节可以参考其它的开源仓库，据我所知好像mmdetection对Faster RCNN的实现就比较简洁，且易于运行。