Faster rcnn代码理解（2）

接着上篇的博客，咱们继续看一下Faster RCNN的代码～

上次大致讲完了Faster rcnn在训练时是如何获取imdb和roidb文件的，主要都在train_rpn()的get_roidb()函数中，train_rpn()函数后面的部分基本没什么需要讲的了，那我们再回到训练流程中来：

这一步训练的网络结构见下图：

训练的第一步就这么完成了（RPN网络使用gt_roidb训练完成），还有，这里的train_rpn()函数中有涉及到train_net()函数，即用来训练得到网络模型，我会在训练fast rcnn时给出讲解；之后再进行第二步：

产生proposal的网络结构如下：

这一步是利用上一步训练好的RPN网络来生成proposals供下一步中的fast rcnn训练，这里补充一下，字典mp_kwargs中的参数solver，是使用get_solvers()函数得到的，见下：

由上图可知，四步训练时的网络结构都在相应的四个solver文件有解释。好了回到训练流程中，产生proposal的函数是rpn_generate()函数，那我们进入这个函数：

首先设置了什么预NMS(不太懂)，还有就是经过NMS后产生2000个proposals，然后初始化caffe，再用get_imdb()函数得到imdb数据，方法和前面一样，再用caffe.NET（）加载RPN网络，再使用imdb_proposals()得到proposal，那我们就进入这个函数：

该函数的作用就是在所有的图片上生成proposal，不过作者又嵌套了一个im_proposals()函数，即在一张图片上产生proposals（这个嵌套看似多余，但是为后面再添一些测试脚本提供了方便，我猜rgb大神可能有这个目的），进入im_proposals()函数中：

见上图，首先用_get_image_blob()函数将图片数据转换为caffe的blob格式，进入该函数：

最终得到的blob格式为(batch elem , channel , height , width),im_info格式为[M,N,im_scale]，其中im_scale是缩放比例，原始图片输入faster rcnn中进行训练时都需要先缩放成统一的规格；再回到im_proposals()函数中，使用net.forward()函数进行一次前向传播，获得proposals，ok。之后再回到imdb_proposals()函数中，最后返回得到的imdb_boxes,即我们从RPN上产生的proposals。再回到rpn_generate()函数中，接着就是将生成的proposals保存并传输到多线程中去供下一步训练使用，这个函数使命就暂时完成了；

再到第三步，训练fast rcnn网络，见下：

这一步训练的网络结构如下图：

注意这时候训练fast rcnn的roi就是前面训练好的RPN网络生成的proposals了（训练RPN网络用的是gt框），相关配置都在mp_kwargs字典中，很明显，我们要进入train_fast_rcnn()中一探究竟：

这里首先设置了训练使用的rpn_roidb方法（RPN用的是gt_roidb方法）,由于这时候的cfg.TRAIN.PROPOSAL_METHOD变成了rpn_roidb，所以相应的使用的get_roidb()也相应地改变，此时使用rpn_roidb（）方法，进入该函数：

该方法首先先获得gt_roidb，然后再用_load_rpn_roidb()获得由RPN产生的roidb，进入该函数：

接着进入create_roidb_from_box_list()函数中：

这个函数凸显了数据结构的重要性，我们需要重点关注一下这其中'gt_overlaps'、'argmaxes'、'maxes'、'overlaps'、'I'的结构，对于理解这个函数费仲重要，最好在纸上写出来～将RPN产生的proposal制作成roidb后，再回到rpn_roidb()中，使用merge_roidbs()将gt_roidb和rpn_roidb进行组合，见该函数：

这样子就得到了最终训练fast rcnn所需要的roidb数据，ok～再回到train_fast_rcnn()中，接着我们就来看看train_net()这个函数，进入该函数：

首先是使用filter_roidb()对之前产生的用于训练fast_rcnn的roidb再进行一次筛选，具体过程参见该筛选函数：

筛选过之后，再回到train_net()函数中，创建一个solverWrapper对象，其中就是训练得到的网络模型，进入这个类中：

上图是它的类定义中的一部分，我们先来看看它的初始化函数，这里需要注意的是add_bbox_regression_targets()这个函数，它的作用是为RPN产生的proposal提供回归属性，该函数向roidb中再添加一个key:'bbox_targets'，它的格式如：targets[][5]:第一个元素是label，后面四个元素就是论文中谈及的tx,ty,tw,th；好的，我们进入这个函数：

上图是改函数的前半部分，主要看_compute_targets()函数，它产生了回归属性，进入该函数：

产生了回归属性，OK，再回到add_bbox_regression_targets()函数中，看后面剩下的部分：

这部分主要得到rpn_roidb的坐标的均值和方差，可以用来进行坐标归一化；OK,再回到SolverWrapper类中，剩下的则是snapshot快照方法，和train_model方法，回到train_net()函数中，接着再调用train_model()方法，进入该函数：

上图的函数就是使用SGD得到训练模型也就是我们需要的fast_rcnn网络模型，好了,train_net()函数就介绍到这儿了～

再回到train_fast_rcnn()函数中，剩下的都是保存之类的，那我们再回到训练流程中，剩下的几步训练流程就如法炮制了，见下：

这两步训练的网络结构见下图：

这一步训练的网络结构见下图：

这样子，就通过分步训练得到了最终的网络模型，最后就是一些收尾工作了：

好了，终于全部弄完，接下来我们就来看作者在网络结构中添加的那几层了～

（转载请注明出处）