最近要跑GBD-Net, 作者提供finetune的例子是在voc2007数据集上，但是训练的标签却是下图这样：
图1
与常见的标签差异很大，分析了一下午也没分析出头绪，多亏师姐点醒，这是RPN的输出结果，仔细想来的确是这样。
GBD实际上只是一个深度网络中的模块，插入在RPN后面，输入的是roi，而作者提供的仅仅是GBDNet模块的训练。论文中也有说明：
图2
输入是 candidate Box。这样算是大概理清了，但还有以下问题：
1.作者使用了MPI，那么单个GPU能不能运行？
2.ROI标注txt里面的信息都是什么意思？
3.如果要训练自己的数据集，也是只finetune GBD吗？那RPN的结果（ROI标签）该怎么生成？
------到此觉得有必要去了解一下faster-rcnn目标检测流程----
故事从一张老旧泛黄的截图开始：
图3
流程描述：
1）原始图像进入CNN网络，提取特征，得到Feature Maps
2 ) Feature Maps 输入到 Region Proposal 网络：RP网络实际上就是对基于输入Feature map 生成的所有框进行一个筛选，选择经过CNN之后有反应的区域，是一个筛选的过程，因为只关注有反应，所以这个时候并不判断它属于哪一类。当一个框进入RP的时候，滑动得到一堆框，在Classification Loss中计算这些框有没有ROI（感兴趣区域，即CNN有无响应这一块）如果可能是目标而不是背景，就把这个对应的bounding box留下。将所有留下的框输入到Roi-pooling里面。
Roi-pooling的作用就是将不同大小的框抠出来，并且resize到统一大小去做分类，因为分类需要大小统一的输入。当然达到这个目的还有另一个方法 Interpolation，但pooling在反向传播的时候计算方便，所以用得多。
3)计算之后对bounding box进行微调，得到最终的bounding box
RPN输出：
图4
对于一个的Feature Map，RPN首先对用滑动窗得道一些基础窗口，对于单个sliding window而言，只要知道中心锚点，就可以生成多个anchor box，然后经过一个中间层之后，输入到cls layer 计算正负置信度；输入到region layer得到4个坐标（这里是绝对坐标还是偏移量没研究过）
总结：
对应GBDNNet,作者提供的finetune数据就是RPN的生成结果（图1），所以现在能够解释一下问题2的一部分：这个txt文档里面有：#图片序号、image path、以及生成的anchor坐标、正置信度。而GBD作者给的训练txt里面还多了一些东西，就是类，比如第195。而第三到第七行以及第八行的第7-10列还不清楚是什么。
图5
思路：
如果要训练自己的数据，首先就是要确定自己只有一块TITIAN XP能不能训练，其次就是我能不能进行finetune整个模型而不是仅仅GBD部分，不能的话能不能参考作者给出的样例只用ROI训练GBD，那么这样的话如何生成自己图像的ROI和训练label.txt。这是接下来尝试的方向。
如果有研究GBD的小伙伴希望能一起讨论下。