标签：log classes 1.0 抽取 补充 yml 准备 self caff
train_net.py中combined_roidb函数会调用get_imdb得到datasets中factory.py生成的imdb
然后调用fast_rcnn下的train.py中get_training_roidb，
进而调用roi_data_layer下roidb.py中的prepare_roidb会为roidb添加image等信息。roi_data_layer下layer.py中的forword函数会调用minibatch.py中的get_minibatch得到输入信息。 ‘data’是数据信息 ‘gt_boxes’包含roidb[‘boxes‘]*imscale(缩放尺寸)和roidb[‘gt_classes‘]为n*5的数组 ‘im_info’是[图片行，图片列，imscale] conv1-conv5 dcnn层 conv1/pool1/conv2/poll2缩小了16倍，后面的三个卷积stride：1
rpn_conv/3x3层，3*3卷积卷积层，featuremap为256。每个像素点用256的向量表示。 rpn_cls_score层，生成2(bg/fg) * (anchors)的output。 rpn_bbox_pred层，生成4 * (anchors)的output。 这里的4暗示的是（x-xa）/wa;（y-ya）/ha; log(w/wa); log(h/ha); rpn_cls_score_reshape层将rpn_cls_score转化为rpn_cls_score_reshape shape { dim: 0 dim: 2 dim: -1 dim: 0 } batch不变，channel为2，行变成了原来的anchors倍，列数不变。 口->日 AnchorTargetLayer层 输入： bottom: ‘rpn_cls_score‘#只是为了确定大小height、width bottom: ‘gt_boxes‘框的ground truth bottom: ‘im_info‘过滤不在图片内部的 bottom: ‘data‘ 输出： top: ‘rpn_labels‘大小是1，1，A*height，width，A是anchar的数目 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是每个点*_feat_stride的（x，y），这里feat_stride=16，可以理解为rpn_cls_score映射到原图的坐标点。K是点数应该基本等于height*width。 all_anchors是这些坐标点处安放anchor后的信息，大小是（K*A），4。total_anchors = int(K * A) 过滤不在图片内部的得到anchors。 计算anchors和gt_boxes的overlap，判断K*A个那些为正，那些为负。 最后labels中存在的是抽样的，抽128个fg，正样本不够128，负样本多取点，凑够256个。不用的赋值为-1。 bbox_targets存储的是anchors和最高重叠的gt的（x*-xa）/wa,(y*-ya)/ha,log(w*/wa),log(h*/hg),*为gt。 bbox_inside_weights被抽中的正类为1，其他为0； bbox_outside_weights外部权重，目前负例的外部权重=正例的外部权重=np.ones((1, 4)) * 1.0 / np.sum(labels >= 0) ps:可以全是负样本，但是也没什么用，回归框没什么用，但是label还是有用的。 rpn_loss_cls层 计算rpn_cls_score_reshape和rpn_labels的loss。知道reshape的作用了吧。ignore_label: -1 rpn_loss_bbox层 计算smoothL1的loss。 bottom: "rpn_bbox_pred" bottom: "rpn_bbox_targets" bottom: ‘rpn_bbox_inside_weights‘ bottom: ‘rpn_bbox_outside_weights‘
rpn_cls_prob层基于rpn_cls_score_reshape生成概率，大小为1，2，A*height，width rpn_cls_prob_reshape层将rpn_cls_prob进行Reshape为1,2*A,height,width。 ProposalLayer层 将RPN的输出转变为object proposals。 bottom: ‘rpn_cls_prob_reshape‘#用于nms bottom: ‘rpn_bbox_pred‘#生成候选框 bottom: ‘im_info‘#生成的框别出图像外了 输出：rpn_rois bbox_deltas（rpn_bbox_pred）和anchors得到所有的proposals，proposals的大小和bbox_deltas一样。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)) 图片外的重算下不能小于0大于图片宽高（im_info） 宽度和高度要大于等于RPN_MIN_SIZE（16） 按照scores（bottom[0].data[:, self._num_anchors:, :, :]为fg）概率自高到低取RPN_PRE_NMS_TOP_N个候选，进行nms，nms后选择RPN_POST_NMS_TOP_N个。 最后添加第一列为0，rpn_roisde的每行为[0,x,y,w,h] ProposalTargetLayer层（也是为了后面的loss服务的） 计算回归差参考rcnn的论文附录C. Bounding-box regression。 bottom: ‘rpn_rois‘#rpn得到的所有区域 bottom: ‘gt_boxes‘#包括boxes、gt_classes top: ‘rois‘#区域块(0，x1,y1,x2,y2) top: ‘labels‘#标签 top: ‘bbox_targets‘#4N(计算的rois和最新gt的target) top: ‘bbox_inside_weights‘#1 top: ‘bbox_outside_weights‘#1 setup输出的大小为：(1, 5)(1, 1)和(1, self._num_classes * 4)(1, self._num_classes * 4)(1, self._num_classes * 4)，第一个维度大小根据下面的运算再reshape。 按照FG_THRESH、BG_THRESH_HI、BG_THRESH_LO抽取背景前景。 按照gt_boxes给labels赋标签，bg为0。rois为最后留下的。 bbox_targets为4N，只有labels（N个类别）的那个4是有值的。bbox_inside_weights类似。bbox_outside_weights=inside。
ROIPooling层，进行POIpooling。得到roi_pool_conv5大小为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(类别)，即cls_score bbox_pred得到: rois的多少*4N，即bbox_pred loss_cls计算cls_score和labels的loss。 loss_bbox计算bbox_pred和bbox_targets的loss。
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
设$FRCN_ROOT=/data/houkai/faster-rcnn/py-faster-rcnn/，在该目录下：
data/icdar为数据文件夹，Annotations是标注，hs是图片，ImageList.txt是文件名列表
必须要在data/cache/目录下把数据库的缓存文件.pkl给删除掉，否则其不会重新读取相应的数据库
./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。
训练采用的参数：
‘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,//按宽高比shuffle ‘BATCH_SIZE‘: 128,//fastrcnn训练的样本数，每张图片抽取128张 ‘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是的归一化 ‘BBOX_NORMALIZE_TARGETS_PRECOMPUTED‘: True,//计算ProposalTargetLayer中targets时norm。使用rpn时只能为true ‘BBOX_REG‘: True,//训练gt样本的regression ‘BBOX_THRESH‘: 0.5,//不用rpn时用于筛选样本,regression的参数 ‘BG_THRESH_HI‘: 0.5,//[LO,HI]之间的算背景 ‘BG_THRESH_LO‘: 0.0, ‘FG_FRACTION‘: 0.25,//128中前景的比例，不够负样本补充，如果负样本不够那就不够吧 ‘FG_THRESH‘: 0.5,//rpn提取的候选和gt重合大于0.5算前景 ‘HAS_RPN‘: True, ‘IMS_PER_BATCH‘: 1,//一次取一张 ‘MAX_SIZE‘: 1000, ‘PROPOSAL_METHOD‘: ‘gt‘, ‘RPN_BATCHSIZE‘: 256,//rpn样本数 ‘RPN_BBOX_INSIDE_WEIGHTS‘: [1.0, 1.0, 1.0, 1.0],//被抽中正例的内部权重，针对x,y,w,h。 ‘RPN_CLOBBER_POSITIVES‘: False,//先按照RPN_NEGATIVE_OVERLAP挑选bg ‘RPN_FG_FRACTION‘: 0.5,//rpn样本数中，fg的比例 ‘RPN_MIN_SIZE‘: 16,//rpn 宽高的最小尺寸 ‘RPN_NEGATIVE_OVERLAP‘: 0.3,//选择rpn的阈值bg ‘RPN_NMS_THRESH‘: 0.7,//12000进程nms的阈值 ‘RPN_POSITIVE_OVERLAP‘: 0.7,//选择rpn的阈值fg ‘RPN_POSITIVE_WEIGHT‘: -1.0,//uniform抽中正例的权重<0 ‘RPN_POST_NMS_TOP_N‘: 2000,//nms后保留2000个 ‘RPN_PRE_NMS_TOP_N‘: 12000,//按score自高向第取12000个框 ‘SCALES‘: [600], ‘SNAPSHOT_INFIX‘: ‘‘,//输出模型前缀 ‘SNAPSHOT_ITERS‘: 10000, ‘USE_FLIPPED‘: True,//水平翻转 ‘USE_PREFETCH‘: False//没有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
标签：log classes 1.0 抽取 补充 yml 准备 self caff
原文地址：http://www.cnblogs.com/houkai/p/6824455.html
