Tensorflow版Faster RCNN源码解析（TFFRCNN） （2）推断（测试）过程不使用RPN时代码运行流程

本blog为github上CharlesShang/TFFRCNN版源码解析系列代码笔记第二篇   推断（测试）过程不使用RPN时代码运行流程

作者：Jiang Wu  原文见：https://home.cnblogs.com/u/deeplearning1314/

原因：网上tensorflow版Faster RCNN代码解析较少（猜测是代码调用关系太复杂，没人愿意写），为便于交流学习，本人深入理解代码同时定期更新自己的理解，如有错误敬请指正。（吴疆   2018.7.4）

感谢:网上大神---龙哥为我释疑解惑！

（2）推断（测试）过程不使用RPN时代码运行流程

阅读时间： 2018/7/5

代码位置：E:\TFFRCNN\

调用关系：略

代码作用：梳理在不使用RPN时代码运行流程（如使用SS等外部算法获取推荐区域bbox），运行流程主要涉及的py文件有demo.py、test.py、VGGnet_test.py

主要函数及作用：

（1） demo.py函数为实例程序，主函数中首先get_network（）获取推断过程要用的网络函数（如VGGnet_test（）），调用本py文件中定义的demo（）函数，

当不使用RPN时bbox靠其他方法获取时，应对demo函数增加一个形参bbox,为demo（sess,net,im_name,bbox）

bbox的shape为[none,4]、demo（）中主要关注test.py中的im_detect（）函数

此时也应增加一个bbox作为im_detect（）函数的形参，即为im_detect（sess,net,im,bbox）

（2） 当不使用RPN时bbox=None中none应去掉

首先调用本代码段中_get_blobs（im，boxes）

当不使用RPN时，应将cfg.TEST.HAS_RPN设为false

首先构造blobs字典，内含data字段、rois字段

data字段维度应为[none,none,none,3]，分别代表当前图像经过图像金字塔后共有多上张（默认为1），图像宽、高、通道数

与VGGnet_test.py中占位符定义的data维度照应

调用_get_image_blob（）函数，确定当前im是以长边还是短边缩放，计算当前im的缩放比，默认情况下未使用图像金字塔，返回当前im缩放后的图像组成的blob（构成blobs中的data字段）以及im对应的缩放因子列表（不使用图像金字塔时列表长度为1）

调用_get_rois_blob（）函数，此处cfg.TEST.SCALES_BASE应为上述im_scale_factors

_project_im_rois（）函数产生按当前im缩放因子缩放后的rois和缩放因子列表索引，当不使用图像金字塔时，levels为全0数组，并将两者水平拼接，形成R*5的数组，最终构成blobs中的rois字段。

构造feed_dict馈入VGGnet_test.py中，应与VGGnet_test.py中预先定义的占位符一一照应，包含blobs[‘data’]、blobs[‘rois’]、keep_prob，因此需对VGGnet_test.py做部分改造

（3） VGGnet_test.py的改造

将self.im_info改为self.rois，并占位符中shape应改为[None，5]，将self.layers字典中’im_info’改为’rois’，并将网络中涉及RPN的网络部分统统删去。

注意：调用关系复杂，需要静心阅读