携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第26天，点击查看活动详情
RPN 网络训练
RPN 网络训练是 Faster RCNN 训练的第一步。主要思想是先使用模型将 RPN 网络进行初始化，然后对其进行训练。在训练中用到的的主要函数是 Train_rpn 函数。
首先是参数设置如下：
这里比较重要的是将 cfg.TRAIN.PROPOSAL_METHOD 参数设置为 gt，在下文会讲到这么设置的原因。在对基本参数进行设置以后，接下来就是本次训练的基础–获取 imdb 和 roidb 格式的训练数据。
首先介绍一下 imdb 和 roidb 是什么。imdb 是一个图片数据库类，内含数据库 的名字；Roidb 也叫 roi 数据库，其实就是目标检测包围盒。如下表所示，主要包括以下几个类成员：
获取训练数据主要用到 get_roidb() 函数以用于返回 roidb 数据对象。首先它会 在 cache 路径下找到以扩展名 pkl 结尾的缓存，这个文件是通过 cPickle 工具将 roidb 序列化存储的。如果该文件存在，那么它会先读取这里的内容，以提高效率。否则它将调用 _load_pascal_annotation 这个私有函数加载 roidb 中的数据，并将其 保存在缓存文件中，返回 roidb。一会下文中会讲到这一点。
如下图所示，get_roidb() 函数中需要用到的重要训练数据就是 imdb，而在 get_imdb 函数中调用了 pascal_voc 函数来对 imdb 数据进行创建。所以可见 pascal_voc 的重要性。pascal_voc 主要是用来组织输入的图片数据，主要设置了数据集的路径，图片名称的索引等，但是并不储存实际的图片信息。实际上，pascal_voc 类是 imdb 类的一个子类；当 imdb 数据己经获得后，get_roidb() 函数紧 接着向 set_proposal_method() 函数请求设置产生建议区域的方法，实际也是向 imdb 中添加 roidb 数据，这就用到了 set_proposal_method() 这个函数。
在 set_proposal_method() 函数中，整体流程是用 eval() 方法进行解析数据，使其有效，然后再将其传入 roidb_handler 中。如下图所示，首先用到了之前的 train_rpn() 函数，因为它里面设置了 cfg.TRAIN.PROPOSAL_METHOD= 'gt'（默认值是 selective search，先前用于 Fast RCNN 的），也就是请求解析数据的方法，这也是为什么前文参数中这样设置的原因。
接下来开始通过 train_rpn 中设置的 cfg.TRAIN.PROPOSAL_METHOD 参数对 gt_roidb 函数进行请求：在这个函数里使用了_load_pascal_annotation() 方法，作用是通过解析 XML 文件获得 ground truth 的 roi，在 _load_pascal_annotation 函数中，会根据每个图像的索引，到 Annotations 这个文件夹下去找相应的 XML 标注数据，然后加载所有的 bounding box 对象，并去除所有的“复杂”对象。这个时候就从 imdb 获得了最初的 roidb 格式的数据，但这还不是训练时的 roidb 数据。
在获得了 roidb 格式的数据之后，接下来的工作就是获取最终的训练数据：
如下图所示，在得到最初的 roidb 格式的数据后，继续回到 get_roidb() 函数 中，通过 get_training_roidb() 函数来得到最终用于训练的 roidb 数据，如下图所示，在 get_training_roidb() 函数中先根据 cfg.TRAIN.USE_FLIPPED 参数来判断是否需要对 roi 进行水平镜像翻转，然后通过调用 append_flipped_images() 方法来添加镜像 roi，这样做的原因在于其可以提髙最终网络的训练结果，将镜像 roi 添加完毕后继续回到 get_training_roidb() 函数中，最后经过 prepare_roidb() 函数向 roidb 中再添加一些额外的信息诸如图片路径，宽，高等信息就可以用来进行训练了。
