目标检测PVAnet原理和代码理解

1 阐述了源码中影响模型的相关参数

http://blog.youkuaiyun.com/burning_keyboard/article/details/71773682

（1）train.prototxt里分别用c++和python层对proposal和rpn里的box的形状给了参数。c++的在pvanet/caffe-fast-rcnn/src/caffe/layers/proposal.cpp里，python的在pvanet/lib/rpn/generate_anchors.py里。

其中AnchorBox的 base_size=16。经过上述文件里的计算，其形状为：

w = scale * base_size / sqrt(ratio)和h = w *ratio，所以为了提高检测效果，可以用 scale 和 ratio 按需改box的形状。    

（2）.pvanet/lib/fast_rcnn/config.py

这个文件很重要啊，训练网络相关的设置几乎都在里面了。

1.1 关键参数

1.TRAIN.HAS_RPN = Ture

2.样本里目标大小要大于 RPN_MIN_SIZE = 16 这个参数，这对应于pvanet 进行roipooling的特征图上目标至少有一个像素大小

3.开启水平翻转样