faster RCNN(keras版本)代碼講解(4)-共享卷積層詳情

faster RCNN(keras版本)代碼講解博客索引:
1.faster RCNN(keras版本)代碼講解(1)-概述
2.faster RCNN(keras版本)代碼講解(2)-數據準備
3.faster RCNN(keras版本)代碼講解(3)-訓練流程詳情
4.faster RCNN(keras版本)代碼講解(4)-共享卷積層詳情
5.faster RCNN(keras版本)代碼講解(5)-RPN層詳情
6.faster RCNN(keras版本)代碼講解(6)-ROI Pooling層詳情

一.共享卷積層，有幾點注意一下
1.其實作用就是利用之前已經訓練好的卷積層，具有更好的物體敏感性，能夠對圖片做更好的特徵提取
2.這裏使用的VGG和ResNet，這兩個網絡的權重可以在網絡上下載下來
3.這裏有點注意就是VGG和ResNet不一定全拿裏面網絡，比如ResNet只拿了前面4層卷積，所以在輸入圖和特徵的大小爲16:1
4.VGG和ResNet裏面定義的網絡，例如卷積層，殘差塊等可以從keras-master\keras\applications\vgg或者ResNet中拿，然後不要改裏面層的名稱
在使用的時候直接load_weights(C.base_net_weights, by_name=True)就OK了

#有基於VGG和resnet兩種網絡模型
if options.network == 'vgg':
    C.network = 'vgg'
    from keras_frcnn import vgg as nn
elif options.network == 'resnet50':
    from keras_frcnn import resnet as nn
    C.network = 'resnet50'
shared_layers = nn.nn_base(img_input, trainable=True)