1、執行流程
數據准備
train_net.py中combined_roidb函數會調用get_imdb得到datasets中factory.py生成的imdb
然后調用fast_rcnn下的train.py中get_training_roidb，
進而調用roi_data_layer下roidb.py中的prepare_roidb會為roidb添加image等信息。
數據輸入
roi_data_layer下layer.py中的forword函數會調用minibatch.py中的get_minibatch得到輸入信息。 ‘data’是數據信息 ‘gt_boxes’包含roidb['boxes']*imscale(縮放尺寸)和roidb['gt_classes']為n*5的數組 ‘im_info’是[圖片行，圖片列，imscale] conv1-conv5 dcnn層 conv1/pool1/conv2/poll2縮小了16倍，后面的三個卷積stride：1
RPN模塊
rpn_conv/3x3層，3*3卷積卷積層，featuremap為256。每個像素點用256的向量表示。 rpn_cls_score層，生成2(bg/fg) * (anchors)的output。 rpn_bbox_pred層，生成4 * (anchors)的output。 這里的4暗示的是（x-xa）/wa;（y-ya）/ha; log(w/wa); log(h/ha); rpn_cls_score_reshape層將rpn_cls_score轉化為rpn_cls_score_reshape shape { dim: 0 dim: 2 dim: -1 dim: 0 } batch不變，channel為2，行變成了原來的anchors倍，列數不變。 口->日 AnchorTargetLayer層 輸入： bottom: 'rpn_cls_score'#只是為了確定大小height、width bottom: 'gt_boxes'框的ground truth bottom: 'im_info'過濾不在圖片內部的 bottom: 'data' 輸出： top: 'rpn_labels'大小是1，1，A*height，width，A是anchar的數目 top: 'rpn_bbox_targets'大小是1，A*4，height，width top: 'rpn_bbox_inside_weights'大小是1，A*4，height，width top: 'rpn_bbox_outside_weights'大小是1，A*4，height，width shifts是每個點*_feat_stride的（x，y），這里feat_stride=16，可以理解為rpn_cls_score映射到原圖的坐標點。K是點數應該基本等於height*width。 all_anchors是這些坐標點處安放anchor后的信息，大小是（K*A），4。total_anchors = int(K * A) 過濾不在圖片內部的得到anchors。 計算anchors和gt_boxes的overlap，判斷K*A個那些為正，那些為負。 最后labels中存在的是抽樣的，抽128個fg，正樣本不夠128，負樣本多取點，湊夠256個。不用的賦值為-1。 bbox_targets存儲的是anchors和最高重疊的gt的（x*-xa）/wa,(y*-ya)/ha,log(w*/wa),log(h*/hg),*為gt。 bbox_inside_weights被抽中的正類為1，其他為0； bbox_outside_weights外部權重，目前負例的外部權重=正例的外部權重=np.ones((1, 4)) * 1.0 / np.sum(labels >= 0) ps:可以全是負樣本，但是也沒什么用，回歸框沒什么用，但是label還是有用的。 rpn_loss_cls層 計算rpn_cls_score_reshape和rpn_labels的loss。知道reshape的作用了吧。ignore_label: -1 rpn_loss_bbox層 計算smoothL1的loss。 bottom: "rpn_bbox_pred" bottom: "rpn_bbox_targets" bottom: 'rpn_bbox_inside_weights' bottom: 'rpn_bbox_outside_weights'
RoI Proposal模塊
rpn_cls_prob層基於rpn_cls_score_reshape生成概率，大小為1，2，A*height，width rpn_cls_prob_reshape層將rpn_cls_prob進行Reshape為1,2*A,height,width。 ProposalLayer層 將RPN的輸出轉變為object proposals。 bottom: 'rpn_cls_prob_reshape'#用於nms bottom: 'rpn_bbox_pred'#生成候選框 bottom: 'im_info'#生成的框別出圖像外了 輸出：rpn_rois bbox_deltas（rpn_bbox_pred）和anchors得到所有的proposals，proposals的大小和bbox_deltas一樣。1，A*4，height，width # bbox deltas will be (1, 4 * A, H, W) format # transpose to (1, H, W, 4 * A) # reshape to (1 * H * W * A, 4) where rows are ordered by (h, w, a) # in slowest to fastest order bbox_deltas = bbox_deltas.transpose((0, 2, 3, 1)).reshape((-1, 4)) 圖片外的重算下不能小於0大於圖片寬高（im_info） 寬度和高度要大於等於RPN_MIN_SIZE（16） 按照scores（bottom[0].data[:, self._num_anchors:, :, :]為fg）概率自高到低取RPN_PRE_NMS_TOP_N個候選，進行nms，nms后選擇RPN_POST_NMS_TOP_N個。 最后添加第一列為0，rpn_roisde的每行為[0,x,y,w,h] ProposalTargetLayer層（也是為了后面的loss服務的） 計算回歸差參考rcnn的論文附錄C. Bounding-box regression。 bottom: 'rpn_rois'#rpn得到的所有區域 bottom: 'gt_boxes'#包括boxes、gt_classes top: 'rois'#區域塊(0，x1,y1,x2,y2) top: 'labels'#標簽 top: 'bbox_targets'#4N(計算的rois和最新gt的target) top: 'bbox_inside_weights'#1 top: 'bbox_outside_weights'#1 setup輸出的大小為：(1, 5)(1, 1)和(1, self._num_classes * 4)(1, self._num_classes * 4)(1, self._num_classes * 4)，第一個維度大小根據下面的運算再reshape。 按照FG_THRESH、BG_THRESH_HI、BG_THRESH_LO抽取背景前景。 按照gt_boxes給labels賦標簽，bg為0。rois為最后留下的。 bbox_targets為4N，只有labels（N個類別）的那個4是有值的。bbox_inside_weights類似。bbox_outside_weights=inside。
RCNN模塊
ROIPooling層，進行POIpooling。得到roi_pool_conv5大小為rois的多少*256(conv5的output)*6*6。 fc6-fc7得到rois的多少*4096。 cls_score得到：rois的多少*N(類別)，即cls_score bbox_pred得到: rois的多少*4N，即bbox_pred loss_cls計算cls_score和labels的loss。 loss_bbox計算bbox_pred和bbox_targets的loss。
附錄
A=9的示例 # anchors = \# # \-83 \-39 100 56 # \-175 \-87 192 104 # \-359 \-183 376 200 # \-55 \-55 72 72 # \-119 \-119 136 136 # \-247 \-247 264 264 # \-35 \-79 52 96 # \-79 \-167 96 184 # \-167 \-343 184 360
2、訓練過程
設$FRCN_ROOT=/data/houkai/faster-rcnn/py-faster-rcnn/，在該目錄下：
data/icdar為數據文件夾，Annotations是標注，hs是圖片，ImageList.txt是文件名列表
必須要在data/cache/目錄下把數據庫的緩存文件.pkl給刪除掉，否則其不會重新讀取相應的數據庫
./tools/train_net.py
--gpu 0
--solver models/pascal_voc/ZF/faster_rcnn_end2end/solver.prototxt
--weights data/imagenet_models/ZF.v2.caffemodel
--imdb hs
--iters 90000
--cfg experiments/cfgs/faster_rcnn_end2end.yml
output/faster_rcnn_end2end/hs中有生成的模型文件。
訓練采用的參數：
'TEST': {'BBOX_REG': True,
'HAS_RPN': True,
'MAX_SIZE': 1000,
'NMS': 0.3,
'PROPOSAL_METHOD': 'selective_search',
'RPN_MIN_SIZE': 16,
'RPN_NMS_THRESH': 0.7,
'RPN_POST_NMS_TOP_N': 300,
'RPN_PRE_NMS_TOP_N': 6000,
'SCALES': [600],
'SVM': False},
'TRAIN': {'ASPECT_GROUPING': True,//按寬高比shuffle 'BATCH_SIZE': 128,//fastrcnn訓練的樣本數，每張圖片抽取128張 'BBOX_INSIDE_WEIGHTS': [1.0, 1.0, 1.0, 1.0], 'BBOX_NORMALIZE_MEANS': [0.0, 0.0, 0.0, 0.0],//norm的均值 'BBOX_NORMALIZE_STDS': [0.1, 0.1, 0.2, 0.2],//norm的方差 'BBOX_NORMALIZE_TARGETS': True,//不用rpn是的歸一化 'BBOX_NORMALIZE_TARGETS_PRECOMPUTED': True,//計算ProposalTargetLayer中targets時norm。使用rpn時只能為true 'BBOX_REG': True,//訓練gt樣本的regression 'BBOX_THRESH': 0.5,//不用rpn時用於篩選樣本,regression的參數 'BG_THRESH_HI': 0.5,//[LO,HI]之間的算背景 'BG_THRESH_LO': 0.0, 'FG_FRACTION': 0.25,//128中前景的比例，不夠負樣本補充，如果負樣本不夠那就不夠吧 'FG_THRESH': 0.5,//rpn提取的候選和gt重合大於0.5算前景 'HAS_RPN': True, 'IMS_PER_BATCH': 1,//一次取一張 'MAX_SIZE': 1000, 'PROPOSAL_METHOD': 'gt', 'RPN_BATCHSIZE': 256,//rpn樣本數 'RPN_BBOX_INSIDE_WEIGHTS': [1.0, 1.0, 1.0, 1.0],//被抽中正例的內部權重，針對x,y,w,h。 'RPN_CLOBBER_POSITIVES': False,//先按照RPN_NEGATIVE_OVERLAP挑選bg 'RPN_FG_FRACTION': 0.5,//rpn樣本數中，fg的比例 'RPN_MIN_SIZE': 16,//rpn 寬高的最小尺寸 'RPN_NEGATIVE_OVERLAP': 0.3,//選擇rpn的閾值bg 'RPN_NMS_THRESH': 0.7,//12000進程nms的閾值 'RPN_POSITIVE_OVERLAP': 0.7,//選擇rpn的閾值fg 'RPN_POSITIVE_WEIGHT': -1.0,//uniform抽中正例的權重<0 'RPN_POST_NMS_TOP_N': 2000,//nms后保留2000個 'RPN_PRE_NMS_TOP_N': 12000,//按score自高向第取12000個框 'SCALES': [600], 'SNAPSHOT_INFIX': '',//輸出模型前綴 'SNAPSHOT_ITERS': 10000, 'USE_FLIPPED': True,//水平翻轉 'USE_PREFETCH': False//沒有prefetch },
命令：
./tools/train_net.py --gpu 0 --solver models/hs/solver.prototxt --weights data/imagenet_models/VGG16.v2.caffemodel --imdb hs --iters 500000 --cfg experiments/cfgs/faster_rcnn_end2end.yml