faster-rcnn 结构杂谈

faster-rcnn结构图： （只截取了最难理解的部分）

这个网络看似很复杂，但是理解了其中关键的层，就基本可以掌握这个结构了。要看源码！！要看源码！！要看源码 ！！重要的事情说三遍。

关键的层：

　数据输入层：#表示模块存放的路径 faster-rcnn/lib/roi_data_layer/layer.py

layer {
  name: 'input-data'
  type: 'Python'
  top: 'data'
  top: 'im_info'
  top: 'gt_boxes'
  python_param {
    module: 'roi_data_layer.layer'  #表示模块存放的路径  faster-rcnn/lib/roi_data_layer/layer.py
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 81"
  }
}
这层好像什么都做，将数据直接复制到下一层 　

rpn-data层：文件存放位置 faster-rcnn/lib/rpn/anchor_target_layer.py

layer {
  name: 'rpn-data'
  type: 'Python'
  bottom: 'rpn_cls_score'
  bottom: 'gt_boxes'
  bottom: 'im_info'
  bottom: 'data'
  top: 'rpn_labels'
  top: 'rpn_bbox_targets'
  top: 'rpn_bbox_inside_weights'
  top: 'rpn_bbox_outside_weights'
  python_param {
    module: 'rpn.anchor_target_layer' #文件存放位置 faster-rcnn/lib/rpn/anchor_target_layer.py
    layer: 'AnchorTargetLayer'
    param_str: "'feat_stride': 16 
'scales': !!python/tuple [4, 8, 16, 32]"
  }
}
这一层很重要:　　
　　生成 anchor 
　　处理 gt_boxes等其他工作 具体没仔细看

proposal层：#文件存放路径 faster-rcnn/rpn/proposal_layer.py

layer {
  name: 'proposal'
  type: 'Python'
  bottom: 'rpn_cls_prob_reshape'
  bottom: 'rpn_bbox_pred'
  bottom: 'im_info'
  top: 'rpn_rois'
  python_param {
    module: 'rpn.proposal_layer'
    layer: 'ProposalLayer'
    param_str: "'feat_stride': 16 
'scales': !!python/tuple [4, 8, 16, 32]"
  }
}
这层应该就是生成proposal了

rpn_loss_bbox层：文件存放位置比较特殊：
　　这个是使用c++代码实现的
　　　　头文件：/faster-rcnn/caffe-faster-rcnn/include/caffe/fast_rcnn_layers.hpp
　　　　实现： faster-rcnn/caffe-faster-rcnn/src/caffe/smooth_L1_loss_layer.cpp      smooth_L1_loss_layer.cu

layer {
  name: "rpn_loss_bbox"
  type: "SmoothL1Loss"
  bottom: "rpn_bbox_pred"
  bottom: "rpn_bbox_targets"
  bottom: 'rpn_bbox_inside_weights'
  bottom: 'rpn_bbox_outside_weights'
  top: "rpn_loss_bbox"
  loss_weight: 1
  smooth_l1_loss_param { sigma: 3.0 }
}