faster-rcnn代码阅读-roi-data层

这一节讲述roi-data层，和这一层有关的结构图如下：

roi-data层的prototxt定义如下：

layer {
  name: 'roi-data'
  type: 'Python'
  bottom: 'rpn_rois'
  bottom: 'gt_boxes'
  top: 'rois'
  top: 'labels'
  top: 'bbox_targets'
  top: 'bbox_inside_weights'
  top: 'bbox_outside_weights'
  python_param {
    module: 'rpn.proposal_target_layer'
    layer: 'ProposalTargetLayer'
    param_str: "'num_classes': 2"
  }
}

这一层接着上一节的proposal层，主要的操作是对RPN阶段输出的proposal做进一步的筛选，从中选出背景和前景，得到rois，然后计算rois的回归目标。因为第二阶段的rois回归是和类别一一对应的，第二阶段全连接网络预测出的回归目标值bbox_pred的shape为(num_rois, 4*num_classes)，所以最后需要将计算出的rois的回归目标值放入与其类别相对应的位置。这一层的详细操作如下：

1、取gt的x1, y1, x2, y2列，再补个全是0的第一列(表示batch_inds)，然后将前面proposal层得到的rpn_rois和这样一个新的矩阵在第一个维度上合并，得到all_rois；

2、用于训练的rois的BATCH_SIZE=128，其中前景rois占比为0.25，有32个，背景rois有96个，因此，需要从all_rois中采样；

3、在all_rois中，若某个rois和任意一个gt的overlap大于或等于0.5，则该rois为前景，其类别为与之overlap最大的那个gt的类别。若某个rois和所有gt的overlap的最大值大于或等于0.1，并且小于0.5，则该rois为背景。这样便筛选出了前景和背景rois，每个rois都和一个gt对应(和它overlap最大的那个gt)；

4、计算每个rois相对于它的gt的偏移量(回归目标targets)，这个过程和rpn-data层中计算RPN阶段的回归目标一样。然后还需要将targets减去事先设定的均值，除以事先设定的标准差，最后将rois的类别添加在targets的第一列，得到bbox_target_data；

5、将rois的回归目标值放入与rois的类别相对应的位置，得到bbox_targets，并将bbox_inside_weights对应位置的4个值赋为1，而bbox_targets, bbox_inside_weights其他位置的值都为0，bbox_outside_weights在bbox_inside_weights大于0的位置值为1，其他位置值为0。

总结一下，这一层的输出有rois, labels, bbox_targets, bbox_inside_weights, bbox_outside_weights。第二阶段全连接网络的输出bbox_pred将和其中的bbox_targets, bbox_inside_weights, bbox_outside_weights作为第二阶段loss_bbox的输入。roi-data层的代码链接见这里。