pytorch 实现Faster R-cnn从头开始（一）
前言
从本章开始就要进入学习faster rcnn的复现了，深入了解目标检测的核心，只有知道等多的细节才能有机会创造和改进，代码很多，所以我也是分章节更新。每次学会一个知识点就可以了。我写的有retinanet网络，代码阅读和复现难度较低，建议先去学习。后再来学习faster rcnn。
候选框的生成
目标检测的第一步，就是你要先生成框的位置信息，再去画出来，它是如何产生框的坐标点。以及如何按照一定大小的比例生成，都是需要掌握的知识。
它是由一个原始16X16大小的框去通过计算变成长宽比为2，1，0.5的框，之后又经过面积大小成比例的变化，如下图
代码实现
现将生成写成一个函数
def generate_anchors(base_size=16, ratios=[0.5, 1, 2],scales=2 ** np.arange(3, 6)):
base_anchor = np.array([1, 1, base_size, base_size]) - 1
ratio_anchors = _ratio_enum(base_anchor, ratios)
anchors = np.vstack([_scale_enum(ratio_anchors[i, :], scales)
for i in range(ratio_anchors.shape[0])])
return anchors
base_anchor是最开始的点,(0,0,15,15)坐标点左上角和右下角，，注意这里的形式，计算过程都是np的形式。ratios=[0.5, 1, 2]是需要变换的长宽比，scales=2 ** np.arange(3, 6))就是面积的比。 ratio_anchors = _ratio_enum(base_anchor, ratios)这一步是生成进过长宽比变化后的三种框的坐标信息，最后一步anchors 的生成是 按照面积大小在次变化。下图就是变化，由最初的一个坐标信息生成了9个坐标信息。整体流程就是先生成长宽比变化后的左上角，右下角的坐标点，三个，在变化面积大小，每个比例都有三个，所以就成了9个框了。
_ratio_enum（）和_scale_enum(）是二个函数
def _ratio_enum(anchor, ratios):
w,h,x_ctr,y_ctr = _whctrs(anchor)
size = w * h
size_ratios = size / ratios
ws = np.round(np.sqrt(size_ratios))
hs = np.round(ws * ratios)
anchors = _mkanchors(ws, hs, x_ctr, y_ctr)
return anchors
def _scale_enum(anchor, scales):
w, h, x_ctr, y_ctr = _whctrs(anchor)
ws = w * scales
hs = h * scales
anchors = _mkanchors(ws, hs, x_ctr, y_ctr)
return anchors
因为坐标信息的 坐标点，这种计算面积不方便，所以写了转化形式，_whctrs()是给定anchor左上点和右下点坐标求出anchor的中心点和宽高。x_ctr,y_ctr中心点坐标。仔细看ws和hs的生成，ws:[23 16 11],hs:[12 16 22]正好生成比列2：1，1：1，1：2的长宽比，算出的面积还是256左右，np.round（）去掉小数点，_mkanchors()是给定anchor的中心点和宽高求出anchor的左上点和右下点坐标。
def _whctrs(anchor):
w = anchor[2] - anchor[0] + 1
h = anchor[3] - anchor[1] + 1
x_ctr = anchor[0] + 0.5 * (w - 1)
y_ctr = anchor[1] + 0.5 * (h - 1)
return w, h, x_ctr, y_ctr
def _mkanchors(ws, hs, x_ctr, y_ctr):
ws = ws[:, np.newaxis]
hs = hs[:, np.newaxis]
anchors = np.hstack((x_ctr - 0.5 * (ws - 1),
y_ctr - 0.5 * (hs - 1),
x_ctr + 0.5 * (ws - 1),
y_ctr + 0.5 * (hs - 1)))
return anchors
np.hstack():在水平方向上平铺，ws = ws[:, np.newaxis]这一步将[23,16,11]变成了[[23],[16],[11]]多产生了一个维度，x_ctr - 0.5 * (ws - 1)，这都是以3x1的矩阵计算的
到这里已经很好理解全部代码了
w, h, x_ctr, y_ctr = _whctrs(anchor)
ws = w * scales
hs = h * scales
anchors = _mkanchors(ws, hs, x_ctr, y_ctr)
ws = w * scales将按照面积成比例的先扩大，之后再利用 _mkanchors函数转化出扩大后左上角，右下角的形式。
全部代码
import numpy as np
def generate_anchors(base_size=16, ratios=[0.5, 1, 2],scales=2 ** np.arange(3, 6)):
base_anchor = np.array([1, 1, base_size, base_size]) - 1
ratio_anchors = _ratio_enum(base_anchor, ratios)
anchors = np.vstack([_scale_enum(ratio_anchors[i, :], scales)
for i in range(ratio_anchors.shape[0])])
return anchors
def _ratio_enum(anchor, ratios):
w,h,x_ctr,y_ctr = _whctrs(anchor)
size = w * h
size_ratios = size / ratios
ws = np.round(np.sqrt(size_ratios))
hs = np.round(ws * ratios)
anchors = _mkanchors(ws, hs, x_ctr, y_ctr)
return anchors
def _whctrs(anchor):
w = anchor[2] - anchor[0] + 1
h = anchor[3] - anchor[1] + 1
x_ctr = anchor[0] + 0.5 * (w - 1)
y_ctr = anchor[1] + 0.5 * (h - 1)
return w, h, x_ctr, y_ctr
def _scale_enum(anchor, scales):
w, h, x_ctr, y_ctr = _whctrs(anchor)
ws = w * scales
hs = h * scales
anchors = _mkanchors(ws, hs, x_ctr, y_ctr)
return anchors
def _mkanchors(ws, hs, x_ctr, y_ctr):
ws = ws[:, np.newaxis]
hs = hs[:, np.newaxis]
anchors = np.hstack((x_ctr - 0.5 * (ws - 1),
y_ctr - 0.5 * (hs - 1),
x_ctr + 0.5 * (ws - 1),
y_ctr + 0.5 * (hs - 1)))
return anchors
if __name__ == '__main__':
a = generate_anchors()
print(a)
这一步细节比较多，可以去print每行代码的过程才能更好的理解