faster rcnn源码解读总结

转载自：faster rcnn源码解读总结 - 野孩子的专栏 - 博客频道 - CSDN.NET
http://blog.csdn.net/u010668907/article/details/51946021

1.初始数据通过imdb类的操作放在它的属性roidb里。

2.roidb只是一个字典，可以拿出来当做一个单独的字典，脱离imdb。

3.roi_data_layer下的layer就是input-data。Forward中加载数据并控制一次一张图片

的数据进入网络。送到rpn-data中三组数据：

  gt_boxes ：大小（一张图片xml中box个数, 5）；一张图中box的坐标以及类别

  data ： 大小（1,3,高,宽）；一张图的数据

  im_info： 大小（1, 3）； （高, 宽, 下面提到的比例）

图片的大小与原图不同，每张图的高或宽被rescale成600，另一边会按照相同的比例rescale（代码出处未找到，且不懂这样的原因？？？？？？）

4.`AnchorTargetLayer就是rpn-data.计算anchors,以及anchors是否合理（大小，overlap），并根据每个anchor与gt_box的重叠度判断labels；anchors大小是卷积网络过来数据的高宽再乘9个（即，一个点有9个）.最后产生四组数据（设k=len(anchors)）：

  labels：大小（k, 1）； 前景=1，背景=0， 否则=-1

  rpn_bbox_targets: 大小(k, 4)

  bbox_inside_weights: 大小（k, 4）;有前景=1，否则为0

  bbox_outside_weights: 大小(k, 4); 有前景或背景=1/（前景+背景），否则为0