Tensorflow版Faster RCNN源码解析（TFFRCNN） （1） VGGnet_test.py

本blog为github上CharlesShang/TFFRCNN版源码解析系列代码笔记第1篇   VGGnet_test.py

----作者：Jiang Wu（吴疆），未经允许，禁止转载---

---为便于交流学习，本人深入理解代码的同时定期更新自己的理解，如有错误敬请指正---

（1）VGGnet_test.py

阅读时间： 2019/1/7

代码位置：E:\TFFRCNN\lib\networks

调用关系：

from .network import Network

代码作用：定义了测试（推断）网络和几个变量的占位符，测试阶段test.py中im_detect函数以feed_dict馈入data等图像信息，依此层层计算。（从network.py中根据内部代码看）各层计算时首先置空self.inputs输入列表，然后将本层的输入feed进来，将本层的输出保存在self.layers字典中供下一层取输入数据时使用。

主要函数及作用：

（1）定义了VGGnet_test子类，继承自Network父类（network.py）

需要注意上述几个变量占位符预先定义的维度和变量各自代表什么（self.data等变量维度见下一篇分析）

Self.layers字典和self.keep_prob与(test.py中)im_detect函数中sess.run()函数中馈入的feed_dict数据照应。

其中self.inputs[]为各层输入列表，在network.py中装饰器部分有对如何获取各层输入的代码。Self.layers存放各层输出字典，字典中键为层名，如‘conv1_1’，值为各层输出。

（2）以第一层conv1_1为例，描述计算过程

feed方法继承自Network类，最开始 self.layers = dict({'data': self.data, 'im_info': self.im_info})包含data数据。首先置空self.inputs列表，以本层输入data为例，从self.layers字典中取出data数据添加到self.inputs列表中构成本层输入。返回self，链接上代码下一行.conv（xxx），在network.py中找到conv（）的定义，发现@layer装饰器，用于扩展conv的功能，因此卷积运算不在conv中进行，而是在装饰器（内嵌了conv()函数）中进行。

op即为传入各种操作名，比如conv、max_pool;发现这个装饰器上还有一个装饰器，具体作用不太清楚，没去细究（如有了解的读者可以教教我）这里我们主要关注@layer这个装饰器的内部函数执行过程，首先取得name，形如conv1_1、conv1_2，本层输入长度为1，layer_input取得上述输入列表中的值，进行本层的运算，layer_output为本层返回值，将其存入self.layers字典，调用feed方法，置空输入列表，从self.layers中获取下一层输入列表 ，照此循环下去。

（3）测试（推断）网络结构

特征提取部分：13个conv,5个max pooling

RPN网络部分

其余网络处理部分，主要涉及维度转换和获取rois操作，关键是proposal_layer（）层

第二阶段：类别判别+位置精修部分，输入为conv5_3和rois

注意： 需要预先了解python 装饰器（即定义各层运算时出现的@layer，为了扩充函数功能）、类的继承、类方法、链接调用（各层返回self，下一行直接.xx）、*args形参数量不固定的函数定义方式等python编程知识。