faster-rcnn結構圖： （只截取了最難理解的部分）
這個網絡看似很複雜，可是理解了其中關鍵的層，就基本能夠掌握這個結構了。要看源碼！！要看源碼！！要看源碼 ！！重要的事情說三遍。
關鍵的層：
數據輸入層：#表示模塊存放的路徑 faster-rcnn/lib/roi_data_layer/layer.py
layer {
name: 'input-data'
type: 'Python'
top: 'data'
top: 'im_info'
top: 'gt_boxes'
python_param {
module: 'roi_data_layer.layer' #表示模塊存放的路徑 faster-rcnn/lib/roi_data_layer/layer.py
layer: 'RoIDataLayer'
param_str: "'num_classes': 81"
}
}
這層好像什麼都作，將數據直接複製到下一層
rpn-data層：文件存放位置 faster-rcnn/lib/rpn/anchor_target_layer.py
layer {
name: 'rpn-data'
type: 'Python'
bottom: 'rpn_cls_score'
bottom: 'gt_boxes'
bottom: 'im_info'
bottom: 'data'
top: 'rpn_labels'
top: 'rpn_bbox_targets'
top: 'rpn_bbox_inside_weights'
top: 'rpn_bbox_outside_weights'
python_param {
module: 'rpn.anchor_target_layer' #文件存放位置 faster-rcnn/lib/rpn/anchor_target_layer.py
layer: 'AnchorTargetLayer'
param_str: "'feat_stride': 16 \n'scales': !!python/tuple [4, 8, 16, 32]"
}
}
這一層很重要:
生成 anchor
處理 gt_boxes等其餘工做 具體沒仔細看
proposal層：#文件存放路徑 faster-rcnn/rpn/proposal_layer.py
layer {
name: 'proposal'
type: 'Python'
bottom: 'rpn_cls_prob_reshape'
bottom: 'rpn_bbox_pred'
bottom: 'im_info'
top: 'rpn_rois'
python_param {
module: 'rpn.proposal_layer'
layer: 'ProposalLayer'
param_str: "'feat_stride': 16 \n'scales': !!python/tuple [4, 8, 16, 32]"
}
}
這層應該就是生成proposal了
rpn_loss_bbox層：文件存放位置比較特殊：
這個是使用c++代碼實現的
頭文件：/faster-rcnn/caffe-faster-rcnn/include/caffe/fast_rcnn_layers.hpp
實現： faster-rcnn/caffe-faster-rcnn/src/caffe/smooth_L1_loss_layer.cpp smooth_L1_loss_layer.cu
layer {
name: "rpn_loss_bbox"
type: "SmoothL1Loss"
bottom: "rpn_bbox_pred"
bottom: "rpn_bbox_targets"
bottom: 'rpn_bbox_inside_weights'
bottom: 'rpn_bbox_outside_weights'
top: "rpn_loss_bbox"
loss_weight: 1
smooth_l1_loss_param { sigma: 3.0 }
}
最近開始學習深度學習，看了下Faster RCNN的代碼，在學習的過程當中也查閱了不少其餘人寫的博客，獲得了很大的幫助，因此也打算把本身一些粗淺的理解記錄下來，一是記錄下本身的菜鳥學習之路，方便本身事後查閱，二來能夠回饋網絡。目前編程能力有限，且是第一次寫博客，中間可能會有一些錯誤。
目錄
目錄
第一步準備
第二步Stage 1 RPN init from ImageNet model
在config參數的基礎上改動參數以適合當前任務主要有
初始化化caffe
準備roidb和imdb
設置輸出路徑output_dir get_output_dirimdb函數在config中用來保存中間生成的caffemodule等
正式開始訓練
保存最後獲得的權重參數
第三步Stage 1 RPN generate proposals
關注rpn_generate函數
保存獲得的proposal文件
第四步Stage 1 Fast R-CNN using RPN proposals init from ImageNet model
第五步Stage 2 RPN init from stage 1 Fast R-CNN model
第六步Stage 2 RPN generate proposals
第七步Stage 2 Fast R-CNN init from stage 2 RPN R-CNN model
第八步輸出最後模型
AnchorTargetLayer和ProposalLayer
代碼文件夾說明
tools
RPN
nms
參考
原文地址
第一步，準備
從train_faster_rcnn_alt_opt.py入：
初始化參數：args = parse_args() 採用的是Python的argparse
主要有–net_name，–gpu，–cfg等（在cfg中只是修改了幾個參數，其餘大部分參數在congig.py中，涉及到訓練整個網絡）。
cfg_from_file(args.cfg_file) 這裏即是代用config中的函數cfg_from_file來讀取前面cfg文件中的參數，同時調用_merge_a_into_b函數把全部的參數整合，其中__C = edict() cfg = __C cfg是一個詞典（edict）數據結構。
faster rcnn採用的是多進程，mp_queue是進程間用於通信的數據結構
import multiprocessing as mp
mp_queue = mp.Queue()
1
2
同時solvers, max_iters, rpn_test_prototxt = get_solvers(args.net_name)獲得solver參數
接下來便進入了訓練的各個階段。
第二步，Stage 1 RPN, init from ImageNet model
cfg.TRAIN.SNAPSHOT_INFIX = 'stage1'
mp_kwargs = dict(
queue=mp_queue,
imdb_name=args.imdb_name,
init_model=args.pretrained_model,
solver=solvers[0],
max_iters=max_iters[0],
cfg=cfg)
p = mp.Process(target=train_rpn, kwargs=mp_kwargs)
p.start()
rpn_stage1_out = mp_queue.get()
p.join()
1
2
3
4
5
6
7
8
9
10
11
12
能夠看到第一個步驟是用ImageNet的模型M0來Finetuning RPN網絡獲得模型M1。以訓練爲例，這裏的args參數都在腳本 experiments/scrips/faster_rcnn_alt_opt.sh中找到。主要關注train_rpn函數。
對於train_rpn函數，主要分一下幾步：
1.在config參數的基礎上改動參數，以適合當前任務，主要有
cfg.TRAIN.HAS_RPN = True
cfg.TRAIN.BBOX_REG = False # applies only to Fast R-CNN bbox regression
cfg.TRAIN.PROPOSAL_METHOD = 'gt'
1
2
3
這裏，關注proposal method 使用的是gt，後面會使用到gt_roidb函數，重要。
2. 初始化化caffe
3. 準備roidb和imdb
主要涉及到的函數get_roidb
在get_roidb函數中調用factory中的get_imdb根據__sets[name]中的key（一個lambda表達式）轉到pascol_voc類。class pascal_voc（imdb）在初始化本身的時候，先調用父類的初始化方法，例如：
{
year:’2007’
image _set:’trainval’
devkit _path:’data/VOCdevkit2007’
data _path:’data /VOCdevkit2007/VOC2007’
classes:(…)_若是想要訓練本身的數據，須要修改這裏_
class _to _ind:{…} _一個將類名轉換成下標的字典 _ 創建索引0,1,2....
image _ext:’.jpg’
image _index: [‘000001’,’000003’,……]_根據trainval.txt獲取到的image索引_
roidb _handler: <Method gt_roidb >
salt: <Object uuid >
comp _id:’comp4’
config:{…}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
注意，在這裏，並無讀入任何數據，只是創建了圖片的索引。
imdb.set_proposal_method(cfg.TRAIN.PROPOSAL_METHOD)
1
設置proposal方法，接上面，設置爲gt，這裏只是設置了生成的方法，第一次調用發生在下一句，roidb = get_training_roidb(imdb) –> append_flipped_images()時的這行代碼：「boxes = self.roidb[i][‘boxes’].copy()」，其中get_training_roidb位於train.py，主要實現圖片的水平翻轉，並添加回去。實際是該函數調用了imdb. append_flipped_images也就是在這個函數，調用了pascal_voc中的gt_roidb，轉而調用了同一個文件中的_load_pascal_annotation，該函數根據圖片的索引，到Annotations這個文件夾下去找相應的xml標註數據，而後加載全部的bounding box對象，xml的解析到此結束，接下來是roidb中的幾個類成員的賦值：
boxes 一個二維數組，每一行存儲 xmin ymin xmax ymax
gt _classes存儲了每一個box所對應的類索引(類數組在初始化函數中聲明)
gt _overlap是一個二維數組，共有num _classes(即類的個數)行，每一行對應的box的類索引處值爲1，其他皆爲0，後來被轉成了稀疏矩陣
seg _areas存儲着某個box的面積
flipped 爲false 表明該圖片還未被翻轉(後來在train.py裏會將翻轉的圖片加進去，用該變量用於區分
最後將這些成員變量組裝成roidb返回。
在get_training_roidb函數中還調用了roidb中的prepare_roidb函數，這個函數就是用來準備imdb 的roidb，給roidb中的字典添加一些屬性，好比image(圖像的索引)，width，height，經過前面的gt _overla屬性，獲得max_classes和max_overlaps.
至此，
return roidb，imdb
1
4. 設置輸出路徑，output_dir = get_output_dir(imdb)，函數在config中，用來保存中間生成的caffemodule等
5.正式開始訓練
model_paths = train_net(solver, roidb, output_dir,
pretrained_model=init_model,
max_iters=max_iters)
1
2
3
調用train中的train_net函數，其中，首先filter_roidb，判斷roidb中的每一個entry是否合理，合理定義爲至少有一個前景box或背景box，roidb全是groudtruth時，由於box與對應的類的重合度(overlaps)顯然爲1，也就是說roidb起碼要有一個標記類。若是roidb包含了一些proposal，overlaps在[BG_THRESH_LO, BG_THRESH_HI]之間的都將被認爲是背景，大於FG_THRESH才被認爲是前景，roidb 至少要有一個前景或背景，不然將被過濾掉。將沒用的roidb過濾掉之後，返回的就是filtered_roidb。在train文件中，須要關注的是SolverWrapper類。詳細見train.py，在這個類裏面，引入了caffe SGDSlover，最後一句self.solver.net.layers[0].set_roidb(roidb)將roidb設置進layer(0)(在這裏就是ROILayer)調用ayer.py中的set_roidb方法，爲layer(0)設置roidb，同時打亂順序。最後train_model。在這裏，就須要去實例化每一個層，在這個階段，首先就會實現ROIlayer，詳細參考layer中的setup，在訓練時roilayer的forward函數，在第一個層，只須要進行數據拷貝，在不一樣的階段根據prototxt文件定義的網絡結構拷貝數據，blobs = self._get_next_minibatch()這個函數讀取圖片數據（調用get_minibatch函數，這個函數在minibatch中，主要做用是爲faster rcnn作實際的數據準備，在讀取數據的時候，分出了boxes，gt_boxes,im_info（寬高縮放）等）。
第一個層，對於stage1_rpn_train.pt文件中，該layer只有3個top blob：’data’、’im_info’、’gt_boxes’。
對於stage1_fast_rcnn_train.pt文件中，該layer有6個top blob：top: ‘data’、’rois’、’labels’、’bbox_targets’、’bbox_inside_weights’、’bbox_outside_weights’，這些數據準備都在minibatch中。至此後數據便在caffe中流動了，直到訓練結束。
畫出網絡的結構 這裏只截取了一部分：
這裏寫圖片描述
值得注意的是在rpn-data層使用的是AnchorTargetLayer，該層使用python實現的，日後再介紹。
6.保存最後獲得的權重參數
rpn_stage1_out = mp_queue.get()
1
至此，第一階段完成，在後面的任務開始時，若是有須要，會在這個輸出的地址找這一階段獲得的權重文件。
第三步，Stage 1 RPN, generate proposals
這一步就是調用上一步訓練獲得的模型M1來生成proposal P1，在這一步只產生proposal，參數：
mp_kwargs = dict(
queue=mp_queue,
imdb_name=args.imdb_name,
rpn_model_path=str(rpn_stage1_out['model_path']),
cfg=cfg,
rpn_test_prototxt=rpn_test_prototxt)
p = mp.Process(target=rpn_generate, kwargs=mp_kwargs)
p.start()
rpn_stage1_out['proposal_path'] = mp_queue.get()['proposal_path']
p.join()
1
2
3
4
5
6
7
8
9
10
1.關注rpn_generate函數
前面和上面講到的train_rpn基本相同，從rpn_proposals = imdb_proposals(rpn_net, imdb)開始，imdb_proposals函數在rpn.generate.py文件中,rpn_proposals是一個列表的列表，每一個子列表。對於imdb_proposals，使用im = cv2.imread(imdb.image_path_at(i))讀入圖片數據，調用 im_proposals生成單張圖片的rpn proposals，以及得分。這裏，im_proposals函數會調用網絡的forward，從而獲得想要的boxes和scores，這裏須要好好理解blobs_out = net.forward(data,im_info)中net forward和layer forward間的調用關係。
這裏寫圖片描述
在這裏，也會有proposal，一樣會使用python實現的ProposalLayer，這個函數也在rpn文件夾內，後面再補充。
boxes = blobs_out['rois'][:, 1:].copy() / scale
scores = blobs_out['scores'].copy()
return boxes, scores
1
2
3
至此，獲得imdb proposal
2.保存獲得的proposal文件
queue.put({'proposal_path': rpn_proposals_path})
rpn_stage1_out['proposal_path'] = mp_queue.get()['proposal_path']
1
2
至此，Stage 1 RPN, generate proposals結束
第四步，Stage 1 Fast R-CNN using RPN proposals, init from ImageNet model
參數：
cfg.TRAIN.SNAPSHOT_INFIX = 'stage1'
mp_kwargs = dict(
queue=mp_queue,
imdb_name=args.imdb_name,
init_model=args.pretrained_model,
solver=solvers[1],
max_iters=max_iters[1],
cfg=cfg,
rpn_file=rpn_stage1_out['proposal_path'])
p = mp.Process(target=train_fast_rcnn, kwargs=mp_kwargs)
p.start()
fast_rcnn_stage1_out = mp_queue.get()
p.join()
1
2
3
4
5
6
7
8
9
10
11
12
13
這一步，用上一步生成的proposal，以及imagenet模型M0來訓練fast-rcnn模型M2。
關注train_fast_rcnn
一樣地，會設置參數，這裏注意cfg.TRAIN.PROPOSAL_METHOD = ‘rpn’ 不一樣於前面，後面調用的將是rpn_roidb。cfg.TRAIN.IMS_PER_BATCH = 2，每一個mini-batch包含兩張圖片，以及它們proposal的roi區域。且在這一步是有rpn_file的（後面和rpn_roidb函數使用有關）。其餘的和前面差很少。提一下，這裏在train_net的時候，會調用add_bbox_regression_targets位於roidb中，主要是添加bbox迴歸目標，即添加roidb的‘bbox_targets’屬性，同時根據cfg中的參數設定，求取bbox_targets的mean和std，由於須要訓練class-specific regressors在這裏就會涉及到bbox_overlaps函數，放在util.bbox中。
要注意的是在這一步get_roidb時，如前所說，使用的是rpn_roidb，會調用imdb. create_roidb_from_box_list該方法功能是從box_list中讀取每張圖的boxes，而這個box_list就是從上一步保存的proposal文件中讀取出來的，而後作必定的處理，詳細見代碼，重點是在最後會返回roidb，rpn_roidb中的gt_overlaps是rpn_file中的box與gt_roidb中box的gt_overlaps等計算IoU等處理後獲得的，而不像gt_roidb()方法生成的gt_roidb中的gt_overlaps所有爲1.0。同時使用了imdb.merge_roidb，類imdb的靜態方法【這裏不太懂，須要再學習下】，把rpn_roidb和gt_roidb歸併爲一個roidb，在這裏，須要具體去了解合併的基本原理。
這裏寫圖片描述
第五步，Stage 2 RPN, init from stage 1 Fast R-CNN model
參數：
cfg.TRAIN.SNAPSHOT_INFIX = 'stage2'
mp_kwargs = dict(
queue=mp_queue,
imdb_name=args.imdb_name,
init_model=str(fast_rcnn_stage1_out['model_path']),
solver=solvers[2],
max_iters=max_iters[2],
cfg=cfg)
p = mp.Process(target=train_rpn, kwargs=mp_kwargs)
rpn_stage2_out = mp_queue.get()
1
2
3
4
5
6
7
8
9
10
這部分就是利用模型M2練rpn網絡，這一次與stage1的rpn網絡不通，這一次conv層的參數都是不動的，只作前向計算，訓練獲得模型M3，這屬於微調了rpn網絡。
這裏寫圖片描述
第六步，Stage 2 RPN, generate proposals
參數：
mp_kwargs = dict(
queue=mp_queue,
imdb_name=args.imdb_name,
rpn_model_path=str(rpn_stage2_out['model_path']),
cfg=cfg,
rpn_test_prototxt=rpn_test_prototxt)
p = mp.Process(target=rpn_generate, kwargs=mp_kwargs)
p.start()
rpn_stage2_out['proposal_path'] = mp_queue.get()['proposal_path']
p.join()
1
2
3
4
5
6
7
8
9
10
這一步，基於上一步獲得的M3模型，產生proposal P2，網絡結構和前面產生proposal P1的同樣。
這裏寫圖片描述
第七步，Stage 2 Fast R-CNN, init from stage 2 RPN R-CNN model
參數：
cfg.TRAIN.SNAPSHOT_INFIX = 'stage2'
mp_kwargs = dict(
queue=mp_queue,
imdb_name=args.imdb_name,
init_model=str(rpn_stage2_out['model_path']),
solver=solvers[3],
max_iters=max_iters[3],
cfg=cfg,
rpn_file=rpn_stage2_out['proposal_path'])
p = mp.Process(target=train_fast_rcnn, kwargs=mp_kwargs)
p.start()
fast_rcnn_stage2_out = mp_queue.get()
p.join()
1
2
3
4
5
6
7
8
9
10
11
12
13
這一步基於模型M3和P2訓練fast rcnn獲得最終模型M4，這一步，conv層和rpn都是參數固定，只是訓練了rcnn層（也就是全鏈接層），與stage1不一樣，stage1只是固定了rpn層，其餘層仍是有訓練。模型結構與stage1相同：
這裏寫圖片描述
第八步，輸出最後模型
final_path = os.path.join(
os.path.dirname(fast_rcnn_stage2_out['model_path']),
args.net_name + '_faster_rcnn_final.caffemodel')
print 'cp {} -> {}'.format(
fast_rcnn_stage2_out['model_path'], final_path)
shutil.copy(fast_rcnn_stage2_out['model_path'], final_path)
print 'Final model: {}'.format(final_path)
1
2
3
4
5
6
7
只是對上一步模型輸出的一個拷貝。
至此，整個faster-rcnn的訓練過程就結束了。
AnchorTargetLayer和ProposalLayer
前面說過還有這兩個層沒有說明，一個是anchortarget layer一個是proposal layer，下面逐一簡要分析。
class AnchorTargetLayer(caffe.Layer)
1
首先是讀取參數，在prototxt，實際上只讀取了param_str: 「‘feat_stride’: 16」，這是個很重要的參數，目前個人理解是滑塊滑動的大小，對於識別物體的大小頗有用，好比小物體的識別，須要把這個參數減少等。
首先 setup部分，
anchor_scales = layer_params.get('scales', (8, 16, 32))
self._anchors = generate_anchors(scales=np.array(anchor_scales))
1
2
調用generate_anchors方法生成最初始的9個anchor該函數位於generate_anchors.py 主要功能是生成多尺度，多寬高比的anchors，8,16,32其實就是scales:[2^3 2^4 2^5]，base_size爲16，具體是怎麼實現的能夠查閱源代碼。_ratio_enum()部分生成三種寬高比 1:2,1:1,2:1的anchor以下圖所示：（如下參考 另一篇博客）
這裏寫圖片描述
_scale_enum()部分，生成三種尺寸的anchor，以_ratio_enum()部分生成的anchor[0 0 15 15]爲例，擴展了三種尺度 128*128,256*256,512*512，以下圖所示：
這裏寫圖片描述
另一個函數就是forward()。
在faster rcnn中會根據不一樣圖的輸入，獲得不一樣的feature map，height, width = bottom[0].data.shape[-2:]首先獲得conv5的高寬，以及gt box gt_boxes = bottom[1].data，圖片信息im_info = bottom[2].data[0, :]，而後計算偏移量，shift_x = np.arange(0, width) * self._feat_stride，在這裏，你會發現，例如你獲得的fm是H=61，W=36，而後你乘以16，獲得的圖形大概就是1000*600，其實這個16大概就是網絡的縮放比例。接下來就是生成anchor，以及對anchor作必定的篩選，詳見代碼。
另一個須要理解的就是proposal layer，這個只是在測試的時候用，許多東西和AnchorTargetLayer相似，不詳細介紹，能夠查看代碼。主要看看forward函數，函數算法介紹在註釋部分寫的很詳細：
# Algorithm:
# for each (H, W) location i
# generate A anchor boxes centered on cell i
# apply predicted bbox deltas at cell i to each of the A anchors
# clip predicted boxes to image
# remove predicted boxes with either height or width < threshold
# sort all (proposal, score) pairs by score from highest to lowest
# take top pre_nms_topN proposals before NMS
# apply NMS with threshold 0.7 to remaining proposals
# take after_nms_topN proposals after NMS
# return the top proposals (-> RoIs top, scores top)
1
2
3
4
5
6
7
8
9
10
11
在這個函數中會引用NMS方法。
代碼文件夾說明
轉載出處：另一篇博客
tools
在tools文件夾中，是咱們直接調用的最外層的封裝文件。其中主要包含的文件爲：
_init_paths.py :用來初始化路徑的，也就是以後的路徑會join（path，*）
compress_net.py：用來壓縮參數的，使用了SVD來進行壓縮，這裏能夠發現，做者對於fc6層和fc7層進行了壓縮，也就是兩個全鏈接層。
demo.py ：一般，咱們會直接調用這個函數，若是要測試本身的模型和數據，這裏須要修改。這裏調用了fast_rcnn中的test、config、nums_wrapper函數。vis_detections用來作檢測，parse_args用來進行參數設置，以及damo和主函數。
eval_recall.py：評估函數
reval.py：re-evaluate，這裏調用了fast_rcnn以及dataset中的函數。其中，from_mats函數和from_dets函數分別loadmat文件和pkl文件。
rpn_genetate.py：這個函數調用了rpn中的genetate函數，以後咱們會對rpn層作具體的介紹。這裏，主要是一個封裝調用的過程，咱們在這裏調用配置的參數、設置rpn的test參數，以及輸入輸出等操做。
test_net.py：測試fast rcnn網絡。主要就是一些參數配置。
train_faster_rcnn_alt_opt.py：訓練faster rcnn網絡使用交替的訓練，這裏就是根據faster rcnn文章中的具體實現。能夠在主函數中看到，其包括的步驟爲：
RPN 1，使用imagenet model進行初始化參數，生成proposal，這裏存儲在mp_kwargs
fast rcnn 1，使用 imagenet model 進行初始化參數，使用剛剛生成的proposal進行fast rcnn的訓練
RPN 2使用 fast rcnn 中的參數進行初始化（這裏要注意哦），並生成proposal
fast rcnn 2，使用RPN 2 中的 model進行初始化參數
值得注意的是：在咱們訓練時，咱們能夠在get_solvers中的max_iters中設置迭代次數，在不肯定網絡是否能夠調通時，減小迭代次數能夠減小測試時間。
咱們在訓練faster rcnn網絡時，就是調用這個文件訓練的
train_net.py：使用fast rcnn，訓練本身數據集的網絡模型
train_svms.py：使用最原始的RCNN網絡訓練post-hoc SVMs
RPN
這裏咱們主要看lib/rpn文件夾下的代碼。這裏主要介紹了rpn的模型，其中，包含的主要文件以下：
generate_anchors.py: 生成多尺度和多比例的錨點。這裏由generate_anthors函數主要完成，能夠看到，使用了 3 個尺度( 128, 256, and 512)以及 3 個比例(1:1,1:2,2:1)。一個錨點由w, h, x_ctr, y_ctr固定，也就是寬、高、x center和y center固定。
proposal_layer.py:這個函數是用來將RPN的輸出轉變爲object proposals的。做者新增了ProposalLayer類，這個類中，從新了set_up和forward函數，其中forward實現了：生成錨點box、對於每一個錨點提供box的參數細節、將預測框切成圖像、刪除寬、高小於閾值的框、將全部的(proposal, score) 對排序、獲取 pre_nms_topN proposals、獲取NMS 、獲取 after_nms_topN proposals。（注：NMS，nonmaximum suppression，非極大值抑制）
anchor_target_layer.py:生成每一個錨點的訓練目標和標籤，將其分類爲1 (object), 0 (not object) ， -1 (ignore).當label>0，也就是有object時，將會進行box的迴歸。其中，forward函數功能：在每個cell中，生成9個錨點，提供這9個錨點的細節信息，過濾掉超過圖像的錨點，測量同GT的overlap。
proposal_target_layer.py:對於每個object proposal 生成訓練的目標和標籤，分類標籤從0-k，對於標籤>0的box進行迴歸。（注意，同anchor_target_layer.py不一樣，二者一個是生成anchor，一個是生成proposal）
generate.py:使用一個rpn生成object proposals。
做者就是經過以上這些文件生成rpn的。
nms
lib/nms文件夾下是非極大值抑制，這部分你們應該已經很是熟悉了，其Python版本的核心函數爲py_cpu_nms.py，具體實現以及註釋以下：
def py_cpu_nms(dets, thresh):
"""Pure Python NMS baseline."""
#x一、y一、x二、y二、以及score賦值
x1 = dets[:, 0]
y1 = dets[:, 1]
x2 = dets[:, 2]
y2 = dets[:, 3]
scores = dets[:, 4]
#每個op的面積
areas = (x2 - x1 + 1) * (y2 - y1 + 1)
#order是按照score排序的
order = scores.argsort()[::-1]
keep = []
while order.size > 0:
i = order[0]
keep.append(i)
xx1 = np.maximum(x1[i], x1[order[1:]])
yy1 = np.maximum(y1[i], y1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
#計算相交的面積
w = np.maximum(0.0, xx2 - xx1 + 1)
h = np.maximum(0.0, yy2 - yy1 + 1)
inter = w * h
#計算：重疊面積/（面積1+面積2-重疊面積）
ovr = inter / (areas[i] + areas[order[1:]] - inter)
inds = np.where(ovr <= thresh)[0]
order = order[inds + 1]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
參考
在這裏，沒有貼出代碼的註釋，只是梳理了下Faster RCNN訓練的流程，由於代碼的註釋網絡上已經有不少，須要看代碼的註釋能夠參考下面幾個博客，我看代碼的時候也有參考：
[1] http://www.cnblogs.com/CarryPotMan/p/5390336.html
[2] http://blog.csdn.net/u010668907/article/category/6237110
[3] http://blog.csdn.net/sunyiyou9/article/category/6269359
[4] http://blog.csdn.net/bailufeiyan/article/details/50749694
原文地址：
http://blog.csdn.net/u011956147/article/details/53053381
---------------------
做者：FelixFuu
來源：CSDN
原文：https://blog.csdn.net/u011956147/article/details/53053381
版權聲明：本文爲博主原創文章，轉載請附上博文連接！
如上圖所示，（im_info = [M , N , scale_factor]），說一下它的前向傳播流程：
（1）通常對於輸入的圖像，P*Q的原圖先統一縮放爲M*N，而且在前面的特徵提取層（也可稱「共享卷積層」）中，因爲stride = 1 , pad = 1 , kernel size = 3 * 3，因此卷積先後圖像大小不變，只有四個Pool層起到了做用，所以原始圖像通過提取層後的feature map大小爲（M / 16）* (N /16)，這樣作也是爲了使原始圖像到feature map的縮放係數爲整數從而使得feature map上的每一個特徵點和M*N的原始圖像的區域座標更方便地實現一一映射關係，這對後面生成proposal會有幫助；
（2）RPN結構中第一個層是一個3*3的卷積層，它做用在通過特徵提取層後的feature map上，我以爲這個3*3的卷積做用是爲了增長目標附近區域的語義理解；而後再通過兩條支路，每條都首先通過一個1*1的卷積。先看上面一條，這條的做用是對「foreground」和"background"進行二分類，因此通過1*1以後的深度爲18（9*2，對應每一個點生成9個anchors和每一個anchor兩個類別），再看下面一條，也是通過一個1*1的卷積，深度爲36（9*4）進行矩形框迴歸，而後這兩條支路匯合，首先去除掉background類別，而後對於剩下的forground類別，利用im_info先將anchors放大到M*N的原始圖像上，這些放大後在原始圖像上的區域就是一開始的proposals，數量不少因此咱們還要進行兩次篩選：第一次，判斷這些proposals是否大範圍超出圖像邊界，剔除嚴重超出邊界的；第二次，對剩下的proposals進行nms，而後對nms後的proposals根據cls scores進行排序，選取top-N個做爲最終的proposals（通常在600個左右），其實到這裏檢測任務差很少就完成了，但做者後面還加另外一步，至關於一個refine；
（3）以後就涉及到ROI Pooling層了，因爲RPN輸出的proposals對應的M*N的輸入圖像，因此咱們先經過im_info中的scale_factor將其映射到特徵提取層的feature map上，但因爲後面須要通過全鏈接層，而這裏每一個proposals映射到feature map上的大小均不一樣，因此咱們使用了ROI Pooling層將這些proposals映射後的大小固定（7*7或者6*6，好像論文和實現裏稍微有點不一樣，看代碼就知道了），而後這塊固定的區域再通過全鏈接層進行分類和座標框迴歸；
關於如何訓練，參考這個：https://www.cnblogs.com/zf-blog/p/7142463.html
補充：
（1）bounding box regression: