4步交替RPN /更快的R-CNN培训？-Tensorflow对象检测模型

Question

正在经历最近发布的tensorflow / models ../ object_detection模型，特别是更快的r-cnn。

本文提到了4步交替训练，

1. 训练RPN，然后冻结RPN层，
2. 训练RCNN，然后冻结RCNN层，
3. 训练RPN，然后冻结RPN层
4. 训练RCNN。

根据我的收集，在阶段2 = RCNN中，RPN确实冻结了：

if self._is_training:
    proposal_boxes = tf.stop_gradient(proposal_boxes) 

因此，涵盖了培训RPN +冻结RPN层，然后进行RCNN培训，但是其他3个步骤又在哪里执行？

我想念什么吗？

Answer 1

我们在TF Object Detection API中对Faster R-CNN的实现非常接近本文，但有一些不同。这些差异之一是我们端到端地训练模型，而不是本文中使用的交替训练。

您提到的stop_gradient实际上并没有冻结RPN ---它所做的是它忽略了渐变在提案坐标中的作用，但继续允许渐变通过RPN功能。

希望这可以帮助！