Как обучается нейросеть R-CNN?

Обучение нейросети R-CNN происходит в несколько этапов: neerc.ifmo.ru

1. На первом этапе алгоритм находит селективным поиском «регионы» — прямоугольные рамки разных размеров, которые, предположительно, содержат объект. neerc.ifmo.ru Суммарное количество регионов для каждого изображения, сгенерированных на первом шаге, примерно равно двум тысячам. neerc.ifmo.ru
2. Найденные регионы при помощи аффинных преобразований приобретают размер, который нужно подать на вход CNN. neerc.ifmo.ru Также вместо аффинных преобразований можно использовать паддинги, либо расширять ограничивающие рамки до размеров, необходимых для входа CNN. neerc.ifmo.ru
3. В качестве CNN зачастую используется архитектура CaffeNet, извлекающая для каждого региона порядка 4096 признаков. neerc.ifmo.ru
4. На последнем этапе вектора признаков регионов обрабатываются SVM, проводящими классификацию объектов, по одной SVM на каждый домен. neerc.ifmo.ru

Обучение системы R-CNN выполняется с использованием библиотек, например таких как Caffe CNN, где присутствует открытый исходный код. 1economic.ru

Чтобы адаптировать CNN к новым задачам (обнаружению объектов) и новому домену, продолжается стохастический градиентный спуск (SGD), то есть обучение параметров CNN с использованием только искривлённой области предложения. 1economic.ru