WELCOME
Faster R-CNN源码阅读之十二：写在最后
写在最后
毫无疑问，Faster RCNN（以及Faster RCNN的各种变体）作为当前目标检测方面的先锋，在这方面确实贡献巨大。下一步计划对one-stage的目标检测方法进行学习。由于给的源码中，关于数据准备的代码过于复杂，不具有一定的普适性，实际上，完全可以根据自己的项目工程进行数据准备代码的编写，即简单又直观，因此，在这里就省略了数据准备方面的代码的分享，还请各位大佬们原谅！
由于时间实在仓促，本身也还只是一个学生，在阅读代码的过程中难免会有理解不正确之处，还请各位大佬看到了不吝指出，谢谢！
Faster R-CNN源码阅读之十一：Faster R-CNN预测demo代码补完
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
这里对之前使用Faster R-CNN的demo进行预测时候的代码进行补完。
Faster R-CNN源码阅读之十：Faster R-CNN/lib/fast_rcnn/train.py
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
该文件中的函数的主要目的是训练整个Faster R-CNN网络。
Faster R-CNN源码阅读之九：Faster R-CNN/tools/train_net.py
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
该文件中的函数的训练Faster RCNN网络的主入口，并通过命令行等传入以下必要的配置信息，然后开始训练网络。
Faster R-CNN源码阅读之八：Faster R-CNN/lib/rpn_msr/proposal_target_layer_tf.py
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
该文件中的函数的主要目的是根据所传入的参数rpn rois和gt boxes等信息对rois尽心采样，并确定每一个roi的labels标签和bbox回归目标。
Faster R-CNN源码阅读之七：Faster R-CNN/lib/rpn_msr/anchor_target_layer_tf.py
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
该文件中的函数的主要目的是产生anchors并结合gt boxes（ground truth boxes）给这些anchors进行标记labels（前景还是背景），然后生成这些anchors的权重信息，并产生bbox的RPN网络回归结果目标。
Faster R-CNN源码阅读之六：Faster R-CNN/lib/fast_rcnn/bbox_transform.py
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
该文件中的函数都是与anchors的变换相关，包括正向变换，反向变换。
Faster R-CNN源码阅读之五：Faster R-CNN/lib/rpn_msr/proposal_layer_tf.py
一、介绍
本demo由Faster R-CNN官方提供，我只是在官方的代码上增加了注释，一方面方便我自己学习，另一方面贴出来和大家一起交流。
该文件中的函数的主要目的是通过将估计的边界框变换应用于一组常规框（称为“anchors”）来输出目标检测proposals。