本文介绍 LightHeadRCNN实现细节思考与Debug

LightHeadRCNN实现细节思考与Debug

This article was original written by Jin Tian, welcome re-post, first come with https://jinfagang.github.io . but please keep this copyright info, thanks, any question could be asked via wechat: jintianiloveu

lightheadRCNN当中存在一个Proposal模块，这个与SSD是不同的。最近在训练LightHeadRCNN过程中频繁出现一些小问题。这里做一个记录。

##　Proposal模块

proposal这里的nms，注意有很多次。所谓的提建议模块，说白了，就是给网络提出候选框的。这里候选框一般称作为ROIs。ROI和anchors有啥区别呢？其实就是一个坐标转换的关系。但凡是anchors都是坐标归一化的东西，从anchors转换到ROI，那么就需要进行decode，解码坐标，从而将坐标转换到图片尺寸下。

其实proposal实际上做的工作就是，将RPN网络输出的anchors（筛选之后的anchor），进行nms之类的工作，是得它更加的纯净。那Proposal之后出来的ROI实际上就已经差不多是比较准确的物体位置了（但仅仅限于anchor所能产生的位置，对于anchor无法覆盖的区域是不准确的，需要微调）。

发现的一些问题：

1. 使用Resnet101作为后端，如何网络从0开始训练，在最开始的时候roi很多宽度为0，这样的话你很可能给到loss计算的roi就没有了（被min_size给filter掉了）此时应该怎么办？当然用与训练权重是可以的。