Faster RCNN中的交替训练

1.stage1_rpn_train.pt

      单独训练RPN 网络，训练的模型用ImageNet的模型来初始化，采用end to end的方式来调整参数。

      （backbone+rpn+fast rcnn——>backbone1+rpn1+fast rcnn，backbone 、rpn参数更新）

 2.stage1_fast_rcnn_train.pt

      单独训练检测网络Fast Rcnn，训练用的proposals来自第一步的RPN net，模型初始化采用ImageNet模型。

       （backbone+rpn1+fast rcnn——>backbone2+rpn1+fast rcnn1，backbone 、fast rcnn参数更新）

 3.stage2_rpn_train.pt

     用第二步Fast Rcnn的参数来初始化RPN模型，但是训练的时候固定卷积层，只调整属于RPN的参数。

        （backbone2+rpn1+fast rcnn1——>backbone2+rpn2+fast rcnn1,rpn参数更新）

 4.stage2_fast_rcnn_train.pt

     保持共享的卷积层固定，用第三步调整后的RPN输出的proposals作为输入，微调Fast Rcnn剩下的参数。

        （backbone2+rpn2+fast rcnn1——>backbone2+rpn2+fast rcnn2,fast rcnn参数更新）

参考：https://blog.csdn.net/dudu815110/article/details/79088258