Faster-RCNN_TF代码解读7：VGGnet_train.py

import tensorflow as tf
from networks.network import Network

#define

n_classes = 21
_feat_stride = [16,]
anchor_scales = [8, 16, 32]

class VGGnet_train(Network):
def __init__(self, trainable=True):
self.inputs = []
self.data = tf.placeholder(tf.float32, shape=[None, None, None, 3])
self.im_info = tf.placeholder(tf.float32, shape=[None, 3])
self.gt_boxes = tf.placeholder(tf.float32, shape=[None, 5])
#该参数定义dropout比例
self.keep_prob = tf.placeholder(tf.float32)
self.layers = dict({'data':self.data, 'im_info':self.im_info, 'gt_boxes':self.gt_boxes})
self.trainable = trainable
self.setup()

# create ops and placeholders for bbox normalization process
#建立weights,biases变量，用tf.assign来更新
with tf.variable_scope('bbox_pred', reuse=True):
weights = tf.get_variable("weights")
biases = tf.get_variable("biases")

self.bbox_weights = tf.placeholder(weights.dtype, shape=weights.get_shape())
self.bbox_biases = tf.placeholder(biases.dtype, shape=biases.get_shape())
#tf.assign用来更新参数值
self.bbox_weights_assign = weights.assign(self.bbox_weights)
self.bbox_bias_assign = biases.assign(self.bbox_biases)

def setup(self):
#feed就是从self.layers中的信息提取出来（包括slef.daya,self.im_info,self.gt_boxes）存入self.input
#feed返回的是self，为conv第一个参数,conv参数（self,卷积核高，宽，深度，stride高，宽）
#return self 用法：
#class human（object）
#   def __init__(self,weight):
#       self.weight=weight
#   def get_weight(self):
#       return self.weight
#想要调用get_weight,直接用human.get_weight(45)会告知调用之前要先实例化，weight为未绑定函数
#而   human.get_weight(human(45))就可以正常输出，说明human(45)将get_weight绑定了
#其实human（45）作为一个self传给get_weight（）
#conv:卷积高、宽、输出深度、步长高、宽
(self.feed('data')
.conv(3, 3, 64, 1, 1, name='conv1_1', trainable=False)
.conv(3, 3, 64, 1, 1, name='conv1_2', trainable=False)
.max_pool(2, 2, 2, 2, padding='VALID', name='pool1')
.conv(3, 3, 128, 1, 1, name='conv2_1', trainable=False)
.conv(3, 3, 128, 1, 1, name='conv2_2', trainable=False)
.max_pool(2, 2, 2, 2, padding='VALID', name='pool2')
.conv(3, 3, 256, 1, 1, name='conv3_1')
.conv(3, 3, 256, 1, 1, name='conv3_2')
.conv(3, 3, 256, 1, 1, name='conv3_3')
.max_pool(2, 2, 2, 2, padding='VALID', name='pool3')
.conv(3, 3, 512, 1, 1, name='conv4_1')
.conv(3, 3, 512, 1, 1, name='conv4_2')
.conv(3, 3, 512, 1, 1, name='conv4_3')
.max_pool(2, 2, 2, 2, padding='VALID', name='pool4')
.conv(3, 3, 512, 1, 1, name='conv5_1')
.conv(3, 3, 512, 1, 1, name='conv5_2')
.conv(3, 3, 512, 1, 1, name='conv5_3'))
#========= RPN ============
#feed操作就是保证self.inputs中只存有下一步操作所需要的上一层的输出数据，每一个op操作都会包含一个feed操作（定义在layer函数里）
#在初始化feed时候可能需要好几种数据，如feed('rpn_cls_score','gt_boxes','im_info','data')
(self.feed('conv5_3')
.conv(3,3,512,1,1,name='rpn_conv/3x3')
#anchor_scales为3个尺度，又有3个比例1：1,1：2,2：1,所以*3,又score为2个得分，所以*2
.conv(1,1,len(anchor_scales)*3*2 ,1 , 1, padding='VALID', relu = False, name='rpn_cls_score'))
#feed的返回值为参数层的输出，都是从self.layers这个字典中取的，layer函数中有将各层的输出存进self.layers的操作
#'rpn-data'层给出了rpn中的所有信息，包括图片anchor（标签-1,0,1），回归值（dx，dy，dw，dh），两个权重
#data：为图片像素信息，info：im_info[0]存的是图片像素行数即高，im_info[1]存的是图片像素列数即宽
#gt_boxes：GT信息，为5维度，前四个为（xmin，ymin）（xmax，ymax），最后一个为标签
#rpn_cls_score就把他看成一个简单的feature-map，深度为3*3*2,对应3比例*3尺度*2分类值
(self.feed('rpn_cls_score','gt_boxes','im_info','data')
.anchor_target_layer(_feat_stride, anchor_scales, name = 'rpn-data' ))

# Loss of rpn_cls & rpn_boxes
#回归bbox,存的是（dx,dy,dw,dh）
(self.feed('rpn_conv/3x3')
.conv(1,1,len(anchor_scales)*3*4, 1, 1, padding='VALID', relu = False, name='rpn_bbox_pred'))

#========= RoI Proposal ============
#先reshape后softmax激活
(self.feed('rpn_cls_score')
.reshape_layer(2,name = 'rpn_cls_score_reshape')#形状shape(1,9n,n,2)
.softmax(name='rpn_cls_prob'))#形状shape(1,9n,n,2)
#再reshape
(self.feed('rpn_cls_prob')#形状shape(1,9n,n,2)
.reshape_layer(len(anchor_scales)*3*2,name = 'rpn_cls_prob_reshape'))#形状shape(1,n,n,18),信息还原成'rpn_cls_score'，刚才两步reshape_layer操作：1、修改为softmax格式。2、还原rpn_cls_score信息位置格式，只不过内容变为sotfmax得分

(self.feed('rpn_cls_prob_reshape','rpn_bbox_pred','im_info')
# 初始得到blob，内容为[proposal引索(全0)，proposal]，shape（proposals.shape[0](即暂存的proposals个数),5）
.proposal_layer(_feat_stride, anchor_scales, 'TRAIN',name = 'rpn_rois'))
#产生筛选后的roi，对应labels，三个（len(rois),4*21）大小的矩阵，其中一个对fg-roi对应引索行的对应类别的4个位置填上（dx,dy,dw,dh），另两个对fg-roi对应引索行的对应类别的4个位置填上（1,1,1,1）
(self.feed('rpn_rois','gt_boxes')
.proposal_target_layer(n_classes,name = 'roi-data'))

#========= RCNN ============
(self.feed('conv5_3', 'roi-data')
.roi_pool(7, 7, 1.0/16, name='pool_5')
.fc(4096, name='fc6')
.dropout(0.5, name='drop6')
.fc(4096, name='fc7')
.dropout(0.5, name='drop7')
.fc(n_classes, relu=False, name='cls_score')
.softmax(name='cls_prob'))

(self.feed('drop7')
.fc(n_classes*4, relu=False, name='bbox_pred'))