Faster-RCNN（三）TF版FasterRCNN：resnet_v1.py代码阅读笔记
版权声明：本文为CSDN博主「南石北岸生」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/gusui7202/article/details/84799212
个人代码阅读笔记。
第二次更新：2019.4.3
# --------------------------------------------------------
# Tensorflow Faster R-CNN
# Licensed under The MIT License [see LICENSE for details]
# Written by Zheqi He and Xinlei Chen
# --------------------------------------------------------
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import tensorflow as tf
import tensorflow.contrib.slim as slim
from tensorflow.contrib.slim import losses
from tensorflow.contrib.slim import arg_scope
from tensorflow.contrib.slim.python.slim.nets import resnet_utils
from tensorflow.contrib.slim.python.slim.nets import resnet_v1
from tensorflow.contrib.slim.python.slim.nets.resnet_v1 import resnet_v1_block
import numpy as np
from nets.network import Network
from model.config import cfg
#传入一些参数，比如batch_norm_decay传入到decay中。
def resnet_arg_scope(is_training=True,
batch_norm_decay=0.997,
batch_norm_epsilon=1e-5,
batch_norm_scale=True):
batch_norm_params = {
'is_training': False,
'decay': batch_norm_decay,
'epsilon': batch_norm_epsilon,
'scale': batch_norm_scale,
'trainable': False,
'updates_collections': tf.GraphKeys.UPDATE_OPS
}
#arg_scope是tensorflow的slime模块自带的组建，张开一个变量作用域，方便用户定义一些参数。
#打开arg_scope，定义一些参数
with arg_scope(
[slim.conv2d],
weights_regularizer=slim.l2_regularizer(cfg.TRAIN.WEIGHT_DECAY),
weights_initializer=slim.variance_scaling_initializer(),
trainable=is_training,
activation_fn=tf.nn.relu,
normalizer_fn=slim.batch_norm,
normalizer_params=batch_norm_params):
with arg_scope([slim.batch_norm], **batch_norm_params) as arg_sc:
return arg_sc
#resnetv1()为Network的子类。其中有一些父类的方法不能满足需要，在子类中进行了方法重写，入
class resnetv1(Network):
def __init__(self, num_layers=50):
Network.__init__(self)
self._feat_stride = [16, ]#原图到输出的缩小比例
self._feat_compress = [1. / float(self._feat_stride[0]), ]#同上，倒数
self._num_layers = num_layers#层数
self._scope = 'resnet_v1_%d' % num_layers#scope的名称，我用的resnet_v1_101,所以打开它的scope
self._decide_blocks()
def _crop_pool_layer(self, bottom, rois, name):#这里是roi处理的步骤，crop对应的特征区域，进行Pooling到7x7
with tf.variable_scope(name) as scope:
batch_ids = tf.squeeze(tf.slice(rois, [0, 0], [-1, 1], name="batch_id"), [1])
# Get the normalized coordinates of bboxes
bottom_shape = tf.shape(bottom)
height = (tf.to_float(bottom_shape[1]) - 1.) * np.float32(self._feat_stride[0])
width = (tf.to_float(bottom_shape[2]) - 1.) * np.float32(self._feat_stride[0])
x1 = tf.slice(rois, [0, 1], [-1, 1], name="x1") / width
y1 = tf.slice(rois, [0, 2], [-1, 1], name="y1") / height
x2 = tf.slice(rois, [0, 3], [-1, 1], name="x2") / width
y2 = tf.slice(rois, [0, 4], [-1, 1], name="y2") / height
# Won't be back-propagated to rois anyway, but to save time
bboxes = tf.stop_gradient(tf.concat([y1, x1, y2, x2], 1))
if cfg.RESNET.MAX_POOL:
pre_pool_size = cfg.POOLING_SIZE * 2
crops = tf.image.crop_and_resize(bottom, bboxes, tf.to_int32(batch_ids), [pre_pool_size, pre_pool_size],
name="crops")
crops = slim.max_pool2d(crops, [2, 2], padding='SAME')
else:
crops = tf.image.crop_and_resize(bottom, bboxes, tf.to_int32(batch_ids), [cfg.POOLING_SIZE, cfg.POOLING_SIZE],
name="crops")
return crops
# Do the first few layers manually, because 'SAME' padding can behave inconsistently
# for images of different sizes: sometimes 0, sometimes 1
#对于大小不一样的图像，same模式的padding可能回产生不同的运算结果，为了保持一致手工的定义网络的头部。
def _build_base(self):
with tf.variable_scope(self._scope, self._scope):
#首先创建一个卷积层，64个卷积和，7x7，步长为2
net = resnet_utils.conv2d_same(self._image, 64, 7, stride=2, scope='conv1')
#对输入图像卷积之后进行pad，用的是tf.pad函数。
net = tf.pad(net, [[0, 0], [1, 1], [1, 1], [0, 0]])
#再进行最大池化，步长为2，大小为3x3
net = slim.max_pool2d(net, [3, 3], stride=2, padding='VALID', scope='pool1')
#返回前面手工定义层的处理结果。
return net
def _image_to_head(self, is_training, reuse=None):
#检查：需要固定参数的block是否变化。res101一共4个Block,分别从0-3，默认设置的是1，代表我训练的时候，前两个blocks的权重是不变的，后面的变化
assert (0 <= cfg.RESNET.FIXED_BLOCKS <= 3)
# Now the base is always fixed during training
with slim.arg_scope(resnet_arg_scope(is_training=False)):
net_conv = self._build_base()#类内方法的相互调用形式为[self.方法名字]，这里相当于把前面_build_base的结算结果调用过来。
#因为要fixed的权重block可能是处于中间，所以使用的运算机制是：首先固定住我们需要的层，为非训练模式，然后设置剩下的层为训练模式。is_training=True
if cfg.RESNET.FIXED_BLOCKS > 0:
with slim.arg_scope(resnet_arg_scope(is_training=False)):
#注意，这里返回的net_conv，是经过了几个固定block的op后的net_conv
net_conv, _ = resnet_v1.resnet_v1(net_conv,
self._blocks[0:cfg.RESNET.FIXED_BLOCKS],#[0:cfg.RESNET.FIXED_BLOCKS]即为前几个固定的blocks
global_pool=False,
include_root_block=False,
reuse=reuse,
scope=self._scope)
if cfg.RESNET.FIXED_BLOCKS < 3:
#slim.arg_scope(resnet_arg_scope(is_training=true or false))应该是slim的标准语法，用于区分训练和非训练的变量域
with slim.arg_scope(resnet_arg_scope(is_training=is_training)):#虽然这是is_training=is_training，但是训练的时候传入的是true，测试的时候依然是false。这样写很简洁
net_conv, _ = resnet_v1.resnet_v1(net_conv,
self._blocks[cfg.RESNET.FIXED_BLOCKS:-1],#[cfg.RESNET.FIXED_BLOCKS:-1]即为后几个固定的Blocks
global_pool=False,
include_root_block=False,
reuse=reuse,
scope=self._scope)
self._act_summaries.append(net_conv)#这里应该是tensorboard的活动总结的变量，把到这一步的结果记录
self._layers['head'] = net_conv#同时也把结果保存到Layers字典中key='head'下
return net_conv#返回计算结果。
#res101是Network的子类，在network中_build_network调用了crop_pool_layer方法，即roi-pooling，得到的就是Pool5
#这里可能会有一个疑问：最后的feature maps上有很多个roi，这里没有用for循环，是怎么批量把这些rois对应的特征块进行crop and resize的呢？
#用了矩阵的结构，每一行是一个roi，按列来处理，就相当于对行进行批处理了。下面函数隐含的处理也有不同，针对每一行进行计算，而不是一起同时计算。
def _head_to_tail(self, pool5, is_training, reuse=None):
with slim.arg_scope(resnet_arg_scope(is_training=is_training)):
#打开变量域，全连接层属于可学类型权重
#返回fc7的计算结果
fc7, _ = resnet_v1.resnet_v1(pool5,
self._blocks[-1:],#申明位置，在Block之后。
global_pool=False,
include_root_block=False,
reuse=reuse,#变量重用
scope=self._scope)
# average pooling done by reduce_mean
#全连接层去均值处理。
fc7 = tf.reduce_mean(fc7, axis=[1, 2])
return fc7#返回计算结果
def _decide_blocks(self):
# choose different blocks for different number of layers
if self._num_layers == 50:
self._blocks = [resnet_v1_block('block1', base_depth=64, num_units=3, stride=2),
resnet_v1_block('block2', base_depth=128, num_units=4, stride=2),
# use stride 1 for the last conv4 layer
resnet_v1_block('block3', base_depth=256, num_units=6, stride=1),
resnet_v1_block('block4', base_depth=512, num_units=3, stride=1)]
#基本就是调用slim的blocks参数。比如我输入res101，就会得到下面的扩展参数，这些参数再进入slim里面生成res101网络
elif self._num_layers == 101:
#举例：第一个block
#名字：'block1'
#64个卷积核
#该层结构复制3次
#卷积步长为2
self._blocks = [resnet_v1_block('block1', base_depth=64, num_units=3, stride=2),
resnet_v1_block('block2', base_depth=128, num_units=4, stride=2),
# use stride 1 for the last conv4 layer
resnet_v1_block('block3', base_depth=256, num_units=23, stride=1),
resnet_v1_block('block4', base_depth=512, num_units=3, stride=1)]
elif self._num_layers == 152:
self._blocks = [resnet_v1_block('block1', base_depth=64, num_units=3, stride=2),
resnet_v1_block('block2', base_depth=128, num_units=8, stride=2),
# use stride 1 for the last conv4 layer
resnet_v1_block('block3', base_depth=256, num_units=36, stride=1),
resnet_v1_block('block4', base_depth=512, num_units=3, stride=1)]
else:
# other numbers are not supported
raise NotImplementedError
def get_variables_to_restore(self, variables, var_keep_dic):
variables_to_restore = []
#一个变量保存的函数
#传入变量以及
for v in variables:
# exclude the first conv layer to swap RGB to BGR
#对于每一个名字为resnet_v1_101/conv1/weights:0的变量进行保存，
if v.name == (self._scope + '/conv1/weights:0'):
self._variables_to_fix[v.name] = v#self._variables_to_fix是在父类network中创建的字典。这里相当于将这个变量加入字典
continue
#如果这个变量resnet_v1_101/conv1/weights在变量保留字典里面，就加入到variables_to_restore里。
if v.name.split(':')[0] in var_keep_dic:
print('Variables restored: %s' % v.name)
variables_to_restore.append(v)
return variables_to_restore#返回保留的变量
#在lib/model/train_val.py用到，self.net.fix_variables(sess, self.pretrained_model)
def fix_variables(self, sess, pretrained_model):#这里主要是训练前修正变量，将rgb转换为bgr。首先从模型里面回复，然后进行通道反转。总之模型本身参数是rgb通道的。
print('Fix Resnet V1 layers..')
with tf.variable_scope('Fix_Resnet_V1') as scope:#打开名为Fix_Resnet_V1的变量域
with tf.device("/cpu:0"):#指定cpu运行
# fix RGB to BGR
#使用tf.get_variable调用变量，没有就创建变量，名字为"conv1_rgb"，大小为7x7x3x64，7x7的大小，三个通道，64个卷积核。其实就是rgb三个通道到bgr的转换，因为是转换，所以不可训练。
conv1_rgb = tf.get_variable("conv1_rgb", [7, 7, 3, 64], trainable=False)
restorer_fc = tf.train.Saver({self._scope + "/conv1/weights": conv1_rgb})#这里创建了一个saver对象，saver（变量），变量是要保存或者回复的变量，这里主要是回复。
restorer_fc.restore(sess, pretrained_model)#对变量进行回复。注意，这里的saver指定了回复的变量，不是整个模型都回复。
#tf.assign是指定，将self._variables_to_fix[self._scope + '/conv1/weights:0']的值指定为tf.reverse(conv1_rgb, [2])
sess.run(tf.assign(self._variables_to_fix[self._scope + '/conv1/weights:0'],
tf.reverse(conv1_rgb, [2])))#tf.reverse为反转，后面[2]是指定反转的维度，这里指定了通道反转，rgb变为bgr,因为cv2读入是bgr吧安装步骤参考： https://github.com/endernewton/tf-faster-rcnn