两阶段检测器：R-CNN · exp12
Exp12 · RoI 对齐与 RPN
从特征图量化误差出发，检查 RoI 对齐和区域提议网络的分工。
候选区域映射到特征图时的量化误差如何影响定位？
- 输入数据来源
- 课程程序生成的可控合成图像与目标框；未包含外部真实检测数据集。
- 数据性质
- 固定随机种子的合成教学样本；不代表真实无人机航拍或业务检测结果。
- 图件状态
- 本页不发布原包结果图；图件许可待核验，页面不展示模型性能结论。
KEY POINTS
这条内容的重点
挑战 3 小时
- 说明RoI 对齐与 RPN涉及的核心概念与输入输出。
- 依据可控样本复核关键计算、可视化或模型步骤。
- 区分教学样例观察与真实场景性能结论。
WORKFLOW
内容流程
明确问题
比较区域对齐方式并检查候选框提议，解释定位细节对小目标的重要性。
本步产物 问题与待观察变量
复核机制
先做手算自检，再核对程序生成样本和参数设置。
本步产物 关键步骤记录
比较结果
围绕区域对齐查看输出，记录一处差异并解释可能原因。
本步产物 结果记录或简短解释
写清边界
说明结论适用于当前合成样本的范围，以及迁移到真实图像前需要的检查。
本步产物 包含适用范围的实验小结
METHODS
相关方法
- RoI Align
- RPN
- 量化误差
DELIVERABLES
可获得的内容
- 关键变量、参数和手算自检记录。
- 对输出结果的解释，以及一条清楚的适用范围说明。
LIMITATIONS
适用范围与注意事项
- 输入数据来源：课程程序生成的可控合成图像与目标框；未包含外部真实检测数据集。
- 数据性质：固定随机种子的合成教学样本；不代表真实无人机航拍或业务检测结果。
- 图件状态：本页不发布原包结果图；图件许可待核验，页面不展示模型性能结论。
- 公开资源状态：原实验指导书、Notebook、Python 源码与课件暂不公开，等待逐项确认权利与署名要求。
MATERIALS
相关资料与下载
只展示已核准公开的资料。
当前没有已批准公开的资料。待核验或私有文件不会显示。