matlab版（超详细）通过代码理解faster-RCNN中的RPN

http://blog.csdn.net/happyflyy/article/details/54917514

注意：整个RPN完全是笔者自己的理解，可能会有一些理解错误的地方。

1. RPN简介

RPN是regional proposal networks的缩写，是faster-RCNN结构中的一部分。faster-RCNN由两个子网络构成。第一个子网络RPN的作用是在给定图像上提取一定数量带有objectness(是否包含目标的置信度)。第二个子网络直接利用fast-rcnn中的特征提取网络，用RPN获得的proposal替代fast-RCNN中selective search获取的proposal。

2. RPN的结构

RPN的原理图如下图所示。 
RPN的结构是在已有的网路结构（例如VGG）的最后一层上添加如下图的新层。以VGG为例，下图中每部分的具体结构为： 
1. conv feature map：在VGG的conv5_3后新添加的一个512@3x3的卷基层。 
2. k anchor boxes：在每个sliding window的点上的初始化的参考区域。每个sliding window的点上取得anchor boxes都一样。只要知道sliding window的点的坐标，就可以计算出每个anchor box的具体坐标。faster-RCNN中k=9，先确定一个base anchor，大小为16×16，保持面积不变使其长宽比为(0.5,1,2)，再对这三个不同长宽比的anchor放大(8,16,32)三个尺度，一共得到9个anchors。 
3. intermediate layer：作者代码中并没有这个输出256d特征的中间层，直接通过1×1的卷积获得2k scores和4k cordinates。作者在文中解释为用全卷积方式替代全连接。 
4. 2k scores：对于每个anchor，用了softmax layer的方式，会或得两个置信度。作者在文中说也可以用sigmoid方式获得一维是正例的置信度。 
5. 4k cordinates：每个窗口的坐标。这个坐标并不是anchor的绝对坐标，而是通过anchor回归groundtruth的位置所需要的偏差（会在下一节具体介绍）。

对于一幅大小为600×800的图像，通过VGG之后，conv5_3的大小为38×50，则总的anchor的个数为38×50×9。

3. 通过代码理解RPN

运行代码环境：Ubuntu14.04，MatlabR2016a。

1 准备

假设已经安装好caffe所需要的依赖库，faster-RCNN中有caffe的matlab接口，所以不需要安装编译caffe。以PASCAL VOC0712为例：

Step1: 下载faster-RCNN的源代码并解压。下载地址为https://github.com/ShaoqingRen/faster_rcnn。假设解压之后路径为$FASTERRCNN/。

Step2：下载VOC07和VOC12并解压到任意文件夹（最好解压到$FASTERRCNN/datasets/）。

Step3：下载网络模型文件以及预训练的VGG，解压后拷贝到$FASTERRCNN/。下载地址为https://pan.baidu.com/s/1mgzSnI4。

Step4：在shell中进入$FASTERRCNN/并运行matlab。

2 faster-RCNN的文件结构

经过上面的准备之后，matlab中faster-RCNN的文件结构如下图所示： 

./bin：./functions/nms中非极大值抑制（NMS）的c代码mex之后的文件 
./datasets：VOC数据集的存放路径 
./experimenet：训练或者测试的入口函数 
./external：caffe的matlab接口。只需安装好caffe的依赖库，并不需要编译caffe源文件。 
./fetch_date：下载数据集，预训练模型等文件的函数 
./functions：训练数据处理相关的函数 
./imdb：将VOC数据读入到imdb格式 
./models：基网络(如VGG)的预训练模型；fast-RCNN，RPN网络结构prototxt及求解相关的参数prototxt文件 
./utils：一些其它常用的函数 
注意：./test是笔者在运行测试demo时临时存放的一些测试图像，和faster-RCNN并没有什么关系。

3 训练过程

采用VGG和VOC0712，其对应的训练文件为$FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m。由于只理解RPN部分，所以只需要详细了解这个m文件的前一小部分。

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m % % model model = Model.VGG16_for_Faster_RCNN_VOC0712; % cache base cache_base_proposal = 'faster_rcnn_VOC0712_vgg_16layers'; cache_base_fast_rcnn = ''; % train/test data dataset = []; use_flipped = true; dataset = Dataset.voc0712_trainval(dataset, 'train', use_flipped); dataset = Dataset.voc2007_test(dataset, 'test', false); %% -------------------- TRAIN -------------------- % conf conf_proposal = proposal_config('image_means', model.mean_image, 'feat_stride', model.feat_stride); conf_fast_rcnn = fast_rcnn_config('image_means', model.mean_image); % set cache folder for each stage model = Faster_RCNN_Train.set_cache_folder(cache_base_proposal, cache_base_fast_rcnn, model); % generate anchors and pre-calculate output size of rpn network [conf_proposal.anchors, conf_proposal.output_width_map, conf_proposal.output_height_map] ... = proposal_prepare_anchors(conf_proposal, model.stage1_rpn.cache_name, model.stage1_rpn.test_net_def_file); %% stage one proposal fprintf('\n***************\nstage one proposal \n***************\n'); % train model.stage1_rpn = Faster_RCNN_Train.do_proposal_train(conf_proposal, dataset, model.stage1_rpn, opts.do_val);

1参数配置阶段

RPN一共配置了三个参数model，dataset，conf_proposal。conf_fast_rcnn是fast-RCNN的参数。

1 model参数：

指定了RPN和fast-RCNN两个阶段所需要的网络结构配置文件prototxt的路径。通过第一阶段的RPN熟悉其具体过程。 
指定了VGG pre-trained模型及图像均值的路径。

参数model的配置：

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m % % model model = Model.VGG16_for_Faster_RCNN_VOC0712;```

 

具体配置程序为下面的代码片段，只关注RPN第一阶段相关的代码。首先指定了基网络(VGG)预训练模型和图像均值文件路径；然后指定了RPN相关prototxt文件路径；最后设置了RPN测试参数。

% code from $FASTERRCNN/experiments/+Model/VGG16_for_faster_RCNN_VOC0712.m % % 基网络(VGG)预训练模型和图像均值文件路径 model.mean_image = fullfile(pwd, 'models', 'pre_trained_models', 'vgg_16layers', 'mean_image'); model.pre_trained_net_file = fullfile(pwd, 'models', 'pre_trained_models', 'vgg_16layers', 'vgg16.caffemodel'); % Stride in input image pixels at the last conv layer model.feat_stride = 16; % RPN相关prototxt文件路径 %% stage 1 rpn, inited from pre-trained network model.stage1_rpn.solver_def_file = fullfile(pwd, 'models', 'rpn_prototxts', 'vgg_16layers_conv3_1', 'solver_60k80k.prototxt'); model.stage1_rpn.test_net_def_file = fullfile(pwd, 'models', 'rpn_prototxts', 'vgg_16layers_conv3_1', 'test.prototxt'); model.stage1_rpn.init_net_file = model.pre_trained_net_file; % RPN测试参数 % rpn test setting model.stage1_rpn.nms.per_nms_topN = -1; model.stage1_rpn.nms.nms_overlap_thres = 0.7; model.stage1_rpn.nms.after_nms_topN = 2000;

2 dataset参数：

修改数据集路径

如果VOC数据没有解压在$FASTERRCNN/datasets/文件夹中，更改 $ FASTERRCNN/experiments/+Dataset/private/voc2007_devkit.m和$FASTERRCNN/experiments/+Dataset/private/voc2012_devkit.m 中的路径为VOC数据集的解压路径。

% code from `$FASTERRCNN/experiments/+Dataset/private/voc2007_devkit.m` % function path = voc2007_devkit() path = './datasets/VOCdevkit2007'; end

 

% code from `$FASTERRCNN/experiments/+Dataset/private/voc2012_devkit.m` % function path = voc2012_devkit() path = './datasets/VOCdevkit2012'; end

 

dataset参数

参数dataset的配置：

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m % % train/test data dataset = []; use_flipped = true; dataset = Dataset.voc0712_trainval(dataset, 'train', use_flipped); dataset = Dataset.voc2007_test(dataset, 'test', false);

 

具体实现数据集读取的文件为 $FASTERRCNN/experiments/+Dataset/voc0712_trainval.m和$FASTERRCNN/experiments/+Dataset/voc0712_test。首先获得数据集存储路径；然后将数据读入到imdb和roidb文件。

% code from $FASTERRCNN/experiments/+Dataset/voc0712_trainval.m % % 获得数据集存储路径 devkit2007 = voc2007_devkit(); devkit2012 = voc2012_devkit(); % 将数据读入到imdb和roidb文件 switch usage case {'train'} dataset.imdb_train = { imdb_from_voc(devkit2007, 'trainval', '2007', use_flip), ... imdb_from_voc(devkit2012, 'trainval', '2012', use_flip)}; dataset.roidb_train = cellfun(@(x) x.roidb_func(x), dataset.imdb_train, 'UniformOutput', false); case {'test'} error('only supports one source test currently'); otherwise error('usage = ''train'' or ''test'''); end

imdb文件是一个matlab的表结构，表的每一行是一幅图像，分别包含如下信息：图像的路径，编号，大小，groundtruth（位置及类标）等。

3 conf_proposal参数：

只关注RPN的conf_proposal

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m % % conf conf_proposal = proposal_config('image_means', model.mean_image, 'feat_stride', model.feat_stride);

 

RPN所需要的参数。其中值得注意的参数有 
batch_size：[256]每幅图像中筛选使用的bg样本和fg样本的总个数 
fg_fraction：[0.5]batch_size中fg样本的比例，如果fg样本个数不足，则添加bg样本 
drop_boxes_runoff_image：[1]在训练阶段是否去掉超出图像边界的anchors 
bg_thresh_hi：[0.3]被看做反例样本的anchor与groundtruth的最大IoU 
bg_thresh_lo：[0]被看做反例样本的anchor与groundtruth的最小IoU 
fg_thresh：[0.7]被看做正例样本的anchor与groundtruth的最小IoU 
ims_per_batch：[1]训练时每次输入的图像个数，当前只支持每次输入一幅图像 
scale：[600]短边缩放后最小值 
max_size：[1000]长边缩放后最大值 
feat_stride：[16]VGG中conv5_3相比于输入图像缩小了16倍，也就是相邻两个点之间的stride=16 
anchors：不同长宽比和尺度的9个基本anchors 
output_width_map：输入图像的宽度和conv5_3宽度的对应关系 
output_height_map：输入图像的高度和conv5_3高度的对应关系 
bg_weight：[1]计算损失时每个反例样本的权值，正例样本权值全为1 
image_means： 图像均值

具体配置文件为：

% code from $FASTERRCNN/functions/rpn/proposal_config.m % function conf = proposal_config(varargin) % conf = proposal_config(varargin) % -------------------------------------------------------- % Faster R-CNN % Copyright (c) 2015, Shaoqing Ren % Licensed under The MIT License [see LICENSE for details] % -------------------------------------------------------- ip = inputParser; %% training ip.addParamValue('use_gpu', gpuDeviceCount > 0, ... @islogical); % whether drop the anchors that has edges outside of the image boundary ip.addParamValue('drop_boxes_runoff_image', ... true, @islogical); % Image scales -- the short edge of input image ip.addParamValue('scales', 600, @ismatrix); % Max pixel size of a scaled input image ip.addParamValue('max_size', 1000, @isscalar); % Images per batch, only supports ims_per_batch = 1 currently ip.addParamValue('ims_per_batch', 1, @isscalar); % Minibatch size ip.addParamValue('batch_size', 256, @isscalar); % Fraction of minibatch that is foreground labeled (class > 0) ip.addParamValue('fg_fraction', 0.5, @isscalar); % weight of background samples, when weight of foreground samples is % 1.0 ip.addParamValue('bg_weight', 1.0, @isscalar); % Overlap threshold for a ROI to be considered foreground (if >= fg_thresh) ip.addParamValue('fg_thresh', 0.7, @isscalar); % Overlap threshold for a ROI to be considered background (class = 0 if % overlap in [bg_thresh_lo, bg_thresh_hi)) ip.addParamValue('bg_thresh_hi', 0.3, @isscalar); ip.addParamValue('bg_thresh_lo', 0, @isscalar); % mean image, in RGB order ip.addParamValue('image_means', 128, @ismatrix); % Use horizontally-flipped images during training? ip.addParamValue('use_flipped', true, @islogical); % Stride in input image pixels at ROI pooling level (network specific) % 16 is true for {Alex,Caffe}Net, VGG_CNN_M_1024, and VGG16 ip.addParamValue('feat_stride', 16, @isscalar); % train proposal target only to labled ground-truths or also include % other proposal results (selective search, etc.) ip.addParamValue('target_only_gt', true, @islogical); % random seed ip.addParamValue('rng_seed', 6, @isscalar); %% testing ip.addParamValue('test_scales', 600, @isscalar); ip.addParamValue('test_max_size', 1000, @isscalar); ip.addParamValue('test_nms', 0.3, @isscalar); ip.addParamValue('test_binary', false, @islogical); ip.addParamValue('test_min_box_size',16, @isscalar); ip.addParamValue('test_drop_boxes_runoff_image', ... false, @islogical); ip.parse(varargin{:}); conf = ip.Results; assert(conf.ims_per_batch == 1, 'currently rpn only supports ims_per_batch == 1'); % if image_means is a file, load it if ischar(conf.image_means) s = load(conf.image_means); s_fieldnames = fieldnames(s); assert(length(s_fieldnames) == 1); conf.image_means = s.(s_fieldnames{1}); end end

 

2 产生anchor

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%

% generate anchors and pre-calculate output size of rpn network 
[conf_proposal.anchors, conf_proposal.output_width_map, conf_proposal.output_height_map] ... = proposal_prepare_anchors(conf_proposal, model.stage1_rpn.cache_name, model.stage1_rpn.test_net_def_file);

 

proposal_prepare_anchors函数分为两部分。首先产生输入图像大小和conv5_3大小的对应关系map；然后产生9个基本anchors。最后将output_width_map，output_height_map以及anchors存入conf_proposal参数中。

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%

function [anchors, output_width_map, output_height_map] = proposal_prepare_anchors(conf, cache_name, test_net_def_file) %产生输入图像大小和conv5_3大小的对应关系 [output_width_map, output_height_map] ... = proposal_calc_output_size(conf, test_net_def_file); %产生9个基本anchors anchors = proposal_generate_anchors(cache_name, ... 'scales', 2.^[3:5]); end

 

1 输入图像大小和conv5_3大小的对应关系

首先初始化RPN的测试网络；然后产生不同长宽的全零图像并进行前向传播；记录每个输入图像大小对应的conv5_3大小；重置caffe。

% code from $FASTERRCNN/functions/rpn/proposal_calc_output_size.m % % 初始化RPN的测试网络 caffe_net = caffe.Net(test_net_def_file, 'test'); % set gpu/cpu if conf.use_gpu caffe.set_mode_gpu(); else caffe.set_mode_cpu(); end % 产生不同长宽的全零图像并进行前向传播 input = 100:conf.max_size; output_w = nan(size(input)); output_h = nan(size(input)); for i = 1:length(input) s = input(i); im_blob = single(zeros(s, s, 3, 1)); net_inputs = {im_blob}; % Reshape net's input blobs caffe_net.reshape_as_input(net_inputs); caffe_net.forward(net_inputs); % 记录每个输入图像大小对应的conv5_3大小 cls_score = caffe_net.blobs('proposal_cls_score').get_data(); output_w(i) = size(cls_score, 1); output_h(i) = size(cls_score, 2); end output_width_map = containers.Map(input, output_w); output_height_map = containers.Map(input, output_h); % 重置caffe caffe.reset_all(); 

 

2 生成9个基准anchors

设置最基准的anchor大小为16×16；保持面积不变，利用该m文件中ratio_jitter生成三个长宽比(0.5,1,2)的anchors，如下图所示；通过该m文件中scale_jitter将不同长宽比的anchors放大到三个尺度(8,16,32)。一共生成9个anchors。 

% code from $FASTERRCNN/functions/rpn/proposal_generate_anchors.m % %% inputs ip = inputParser; ip.addRequired('cache_name', @isstr); % the size of the base anchor ip.addParamValue('base_size', 16, @isscalar); % ratio list of anchors ip.addParamValue('ratios', [0.5, 1, 2], @ismatrix); % scale list of anchors ip.addParamValue('scales', 2.^[3:5], @ismatrix); ip.addParamValue('ignore_cache', false, @islogical); ip.parse(cache_name, varargin{:}); opts = ip.Results; %% if ~opts.ignore_cache anchor_cache_dir = fullfile(pwd, 'output', 'rpn_cachedir', cache_name); mkdir_if_missing(anchor_cache_dir); anchor_cache_file = fullfile(anchor_cache_dir, 'anchors'); end try ld = load(anchor_cache_file); anchors = ld.anchors; catch % 设置最基准的anchor大小为$16\times16$ base_anchor = [1, 1, opts.base_size, opts.base_size]; % 保持面积不变，生成不同长宽比的anchors ratio_anchors = ratio_jitter(base_anchor, opts.ratios); % 在不同长宽比anchors的基础上进行尺度缩放 anchors = cellfun(@(x) scale_jitter(x, opts.scales), num2cell(ratio_anchors, 2), 'UniformOutput', false); anchors = cat(1, anchors{:}); if ~opts.ignore_cache save(anchor_cache_file, 'anchors'); end end 

 

3 训练阶段

所有参数设置完成后开始训练。

% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m % %% stage one proposal fprintf('\n***************\nstage one proposal \n***************\n'); % train model.stage1_rpn = Faster_RCNN_Train.do_proposal_train(conf_proposal, dataset, model.stage1_rpn, opts.do_val);

 

do_proposal_train直接调用$FASTERRCNN/functions/rpn/proposal_train.m文件。 
根据作者注释的流程，$FASTERRCNN/functions/rpn/proposal_train.m主要分为init， making tran/val data和Training三个阶段

1 init，初始化

初始化中主要设置缓存文件路径，读入caffe求解参数，读入caffe模型结构，读入预训练模型，初始化日志文件，设置GPU模式。

% code from `$FASTERRCNN/functions/rpn/proposal_train.m` % %% init % init caffe solver imdbs_name = cell2mat(cellfun(@(x) x.name, imdb_train, 'UniformOutput', false)); cache_dir = fullfile(pwd, 'output', 'rpn_cachedir', opts.cache_name, imdbs_name); mkdir_if_missing(cache_dir); caffe_log_file_base = fullfile(cache_dir, 'caffe_log'); caffe.init_log(caffe_log_file_base); caffe_solver = caffe.Solver(opts.solver_def_file); caffe_solver.net.copy_from(opts.net_file); % init log timestamp = datestr(datevec(now()), 'yyyymmdd_HHMMSS'); mkdir_if_missing(fullfile(cache_dir, 'log')); log_file = fullfile(cache_dir, 'log', ['train_', timestamp, '.txt']); diary(log_file); % set random seed prev_rng = seed_rand(conf.rng_seed); caffe.set_random_seed(conf.rng_seed); % set gpu/cpu if conf.use_gpu caffe.set_mode_gpu(); else caffe.set_mode_cpu(); end disp('conf:'); disp(conf); disp('opts:'); disp(opts);

 

2 making tran/val data，将bbs的数据转换为regression的数据

% code from `$FASTERRCNN/functions/rpn/proposal_train.m`
%

%% making tran/val data
    fprintf('Preparing training data...'); [image_roidb_train, bbox_means, bbox_stds]... = proposal_prepare_image_roidb(conf, opts.imdb_train, opts.roidb_train); fprintf('Done.\n'); if opts.do_val fprintf('Preparing validation data...'); [image_roidb_val]... = proposal_prepare_image_roidb(conf, opts.imdb_val, opts.roidb_val, bbox_means, bbox_stds); fprintf('Done.\n');

proposal_prepare_image_roidb.m从imdb以及roidb中读入图像信息后，实现了：图像中bbx的groundtruth数据由[x1,y1,x2,y2]转换为[dx,dy,dw,dh]，由faster-RCNN论文中的公式(2)实现；然后对bg和fg样本进行筛选；最后计算转换后的[dx,dy,dw,dh]均值和方差。

Step1: 从imdb以及roidb中读入图像信息

% code from `$FASTERRCNN/functions/rpn/proposal_prepare_image_roidb.m`
%

imdbs = imdbs(:);
    roidbs = roidbs(:);

    if conf.target_only_gt image_roidb = ... cellfun(@(x, y) ... // @(imdbs, roidbs) arrayfun(@(z) ... //@([1:length(x.image_ids)]) struct('image_path', x.image_at(z), 'image_id', x.image_ids{z}, 'im_size', x.sizes(z, :), 'imdb_name', x.name, 'num_classes', x.num_classes, ... 'boxes', y.rois(z).boxes(y.rois(z).gt, :), 'class', y.rois(z).class(y.rois(z).gt, :), 'image', [], 'bbox_targets', []), ... [1:length(x.image_ids)]', 'UniformOutput', true),... imdbs, roidbs, 'UniformOutput', false); else image_roidb = ... cellfun(@(x, y) ... // @(imdbs, roidbs) arrayfun(@(z) ... //@([1:length(x.image_ids)]) struct('image_path', x.image_at(z), 'image_id', x.image_ids{z}, 'im_size', x.sizes(z, :), 'imdb_name', x.name, ... 'boxes', y.rois(z).boxes, 'class', y.rois(z).class, 'image', [], 'bbox_targets', []), ... [1:length(x.image_ids)]', 'UniformOutput', true),... imdbs, roidbs, 'UniformOutput', false); end image_roidb = cat(1, image_roidb{:});

Step2: bbx的groundtruth转换

% code from `$FASTERRCNN/functions/rpn/proposal_prepare_image_roidb.m` % % enhance roidb to contain bounding-box regression targets [image_roidb, bbox_means, bbox_stds] = append_bbox_regression_targets(conf, image_roidb, bbox_means, bbox_stds);

 

proposal_prepare_image_roidb.m，详细步骤为： 
- 读入图像信息：将图像信息读入到image_roidb中。 
- groundtruth数据转换：proposal_prepare_image_roidb.m中的append_bbox_regression_targets实现 
- 获得所有anchors：通过proposal_locate_anchors.m获得图像的所有anchors以及图像需要缩放的比例 
- 图像缩放比例：通过scale和max_size获得图像的缩放比例并记录缩放后图像大小 
图像的最短边最小值为scale,最长边最大值为max_size

    - **conv5_3特征层大小：**通过查表法获得缩放后图像对应的conv5_3的大小（output_width_map，output_height_map）
    - **网格化：**按照`feat_stride`将conv5_3的大小打成网格
    - **所有anchors:**在网格每个节点上放入9个基本`anchors`,并获得其坐标。
- **挑选样本：**`proposal_prepare_image_roidb.m`文件中的`compute_targets`实现正例样本和反例样本的选取
    - **计算overlap**：所有anchors存入变量`ex_rois`，计算每个anchor和每个groundtruth的重叠率(IoU)
    - **去掉超出范围的anchor**：将超出范围的anchor和groundtruth的重叠率置0.
    - **筛选正例样本**：IoU最大的和IoU大于`fg_thresh`的anchor作为正例样本
    - **筛选反例样本**：IoU介于`bg_thresh_hi`和`bg_thresh_lo`之间的作为反例样本
    - **计算回归量**：通过文章中公式(2)计算每个正例样本的回归量`dx`，`dy`，`dw`，`dh`
    - **新的groundtruth**：将正例样本的回归量作为正例样本的groundtruth（类标1），反例样本的回归量均设为0（类标-1）。
- **计算均值方差**：计所有正例样本的回归量的均值和方差，并且标准化（减去均值，除以方差）

 

3 Training，训练

Step1: 打乱训练数据顺序 
proposal_train.m中的generate_random_minibatch函数实现对训练数据的打乱，并返回打乱后的第一幅图像的标号sub_db_inds。

Step2: 准备一个训练数据 
proposal_generate_minibatch.m实现。 
- 正反例样本选取及权重设置：proposal_generate_minibatch.m中的sample_rois选取样本并且设置权重 
- fg_inds：正例样本序号，如果不到batch_size的fg_fraction倍，则用反例样本补足。 
- bg_inds：反例样本序号，反例样本一般都比较多，需要进行随机选取。 
- label：对每个正例样本label置1，反例样本label置0. 
- label_weights：样本类别损失的权重。正例样本置1，反例样本置bg_weight。 
- bbox_targets：进行数据转换后的正反例样本窗口位置 
- bbox_loss_weights：样本位置损失的权重。正例为1，反例为0

• 整合RPN输入blob 
  
  • **RPN输入的im_blob：**im_blob
  • **RPN输入的labels_blob：**labels_blob
  • **RPN输入的label_weights_blob：**label_weights_blob
  • **RPN输入的bbox_targets_blob：**bbox_targets_blob
  • **RPN输入的bbox_loss_blob：**bbox_loss_blob

Step3: 迭代