這是rpn網路train階段的網路結構圖
rpn_conv1之前的網路是特徵提取層，也是和fast rcnn共享的層。rpn_conv1是一層1*1的卷積，這一層是單獨為rpn網路多提取一層特徵，這一層之後就接兩個輸出channel層不同的1*1的卷積（即分別進行score的**和座標補償值的**），這樣保證feature map的大小不變。
rpn_cls_score：bach_size*18*width*height
rpn_cls_score_reshape：batch_size*2*(9*width)*height
rpn_bbox_pred：batch_size*36*width*height。每4個channel對應一種型別的anchor（即乙個尺寸和乙個ratio），因為有9種型別的anchor，所有一共也就有36個channel。以前4個channel為例，第乙個channel的feature map每乙個值是每個位置中心點x方向的補償值dx，第二個channel的feature map每乙個值是每個位置中心點y方向的補償值dy，第三個channel的feature map每乙個值是每個位置寬度的補償值dw，第四個channel的feature map每乙個值是每個位置長度的補償值dh。再來說一下這前四個channel的每個feature map，這4個channel的feature map的相對應位置都是對應的乙個anchor，比如4個channel的第乙個值都是對應的第一種型別anchor的第乙個anchor。每個feature map是width*height大小，也就有width*height個值，生成rpn本身就是在這個feature map上進行滑動生成（width*height*anchor類別數）個anchor，這樣的話，第乙個feature map的第乙個值對應的應該是第一種型別的anchor在這個位置上dx補償值。
為什麼不直接從rpn_conv1生成rpn_cls_score_reshape？
channel變成2很好實現，但feature map的寬度是個問題。因為rpn_cls_score_reshape的feature map的寬度是9*width，而rpn_conv1是width，直接卷積變成寬度的9倍，我目前還沒看到過，reshape成9倍就很好實現。並且對於後面的rpn生成也有幫助，這個後續還要寫一些東西
那為什麼又要轉成rpn_cls_score_reshape的形狀呢？
主要是為了分成兩類，然後計算概率值，最開始只是乙個score值
caffe學習筆記 網路結構分析
最近的事情比較多，忙過之後終於有時間整理一下思緒了。在做課題之餘，把caffe框架的網路結構好好梳理了一番，希望可以幫助到有需要的人。test iter 100 階段迭代次數為100，設定 迭代次數為100可以覆蓋全部的10000個測試集 carry out testing every 500 tr...
c s網路結構
採用c s 客戶端和服務端模式進行檔案和命令資料的傳輸，以及資料的交換。c s 和b s p2p等多種技術想結合。一，cs 網路的實現 採用傳統的客戶端和服務端模式，用tcp ip 協議進行資料的互動和傳遞。二，cs網路開發 模仿著名的灰鴿子軟體，灰鴿子的到來，給網路世界，帶來了新的活力，給人們帶來...
GPRS網路結構
gprs網路結構圖 bts base transceiver station，基站收發臺 bts可看作乙個無線數據機，負責移動訊號的接收和傳送處理 bsc base station controller，基站控制器 msc mobile switching center，移動交換中心 整個gprs網...