参考链接：https://blog.csdn.net/ethan_wuuu/article/details/76944945

在传统的FCN中，每个图像只生成一个score map, 表示每个像素的值表示该像素是否属于
目标的概率。
在 InstanceFCN中，作者会生成kk个score maps, 每个像素的值表示该像素是否属于某一
类的某个位置的概率。
R-FCN 提出了 position-sensitive score map "位置敏感得分地图"，借鉴InstanceFCN的思
想，为（C+1)个类别生成kk*（C+1）个得分地图
当 k = 3时，
左上，中上，右上
左中，中中，右中
左下，中下，右下
On the top branch，会生成k2 个Instance score map，也就是每个像素都会有k2个不同的
值，即解决了相同像素在不同Instance中有不同的响应。然后经过assembling module就
可以生成all Instance map。但是并不是所有的响应都有Instance出现。所以作者在bottom
branch，计算了objectness score map。将两者融合就能获得最终的Instance
Segmentation

1.安装编译完caffe后，其主目录下有：

2.训练模型之前需要先准备好训练数据MNIST，执行以下命令可以下载MNIST数据库：

3.由于caffe支持的数据类型不包括图像类型，所以常规做法需要将图像类型转为lmdb类型。
4.准备好数据之后，我们需要定义我们的网络模型，在caffe中是通过.prototxt配置文件来定义的，执行以下命令：

#caffe是如何定义网络的？

#输入层（数据层）
layer{
name:"mnist" //表示层名
type："Date" //表示层的类型
top："data"
top："lable"
include{
phase：TRAIN //表示仅在训练阶段起作用
}
transform_param{
scale: 0.00390625 //将图像像素归一化
}
data_param{
source:"example/mnist/mnist_train_imdb" //数据来源
batch_size: 64 //训练师每个迭代的输入样本数量
backend: LMDB //数据类型
}
}

#卷积层
layer{
name: "conv1"
type: "Convolution"
bottom: "data" //输入是data
top："conv1" //输出是卷积特征
param{
lr_mult: 1 //权重参数w的学习率倍数
}
param{
lr_mult: 2 //偏执参数b的学习率倍数
}
convolution_param{
num_output: 20
kernel_size :5
stride: 1
weight_filer{ //权重参数w的初始化方案，使用xavier算法
type: "xavier"
}
bias_filler{
type: "constant" //偏执参数b初始化为常数，一般为0
}
}
}

#下采样层（pool）
layer{
name: "pool1"
type: "Pooling"
bottom: "conv1"
top："pool1"
pooling_param{
pool: MAX
kernel_size: 2
stride: 2
}
}

#全连接层
layer{
name: "ip1"
type: "InnerProduct"
bottom: "pool2"
top："ip1"
param{
lr_mult: 1
}
param{
lr_mult: 2
}
inner_product_param{
num_output: 500
weight_filer{
type: "xavier"
}
bias_filler{
type: "constant"
}
}
}

#非线性层
layer{
name: "relu1"
type: "ReLU"
bottom: "ip1"
top： "ip1"
}

#准确率层（计算准确率）
layer{
name: "accuracy"
type: "Accuracy"
bottom: "ip2"
bottom: "lable"
top: "accuracy"
include{
phase: TEST
}
}

#损失估计层
layer{
name: "loss"
type: "SoftmaxWithLoss"
bottom: "ip2"
bottom: "lable"
top："loss"
}

#定义完网络模型，还需要配置关于模型优化的文件：

本文参照： https://blog.csdn.net/sinat_30071459/article/details/50723212

制作VOC2007数据集用于Faster-RCNN训练：VOC2007格式是faster-RCNN中官方给出的用于训练的数据集，把它下载下来用frcnn/tool里的训练程序跑一跑就可以得到自己的训练网络了，首先说明一下我们需要准备的文件：

1. 训练所需的图片
2. 图片上ROI标注信息的XML文件
3. 将数据集分割为三部分分别用于frcnn进行训练，验证，测试等

第一步：图片的重命名

VOC2007格式必须为JPG格式，并且图片是统一的六位数字，从000001开始。那我们也需要将所有训练图片重命名为此。Python代码如下：
`import os
import numpy as np
import re
import pandas as pd

dire = r'F:\dataset\UAV'
a = os.listdir(dire)

mode = re.compile(r'\d+')
for i in range(n):
ids[i] = mode.findall(a[i])[0]
a[i] = dire + '\' + a[i]

b = np.zeros(n).astype(np.str)
pos = 6
for i in range(n):
c = str(i)
ze = pos-len(c)
b[i] = '0'*ze+str(i)
b[i] = dire +'\'+b[i]+'.jpg'

for i in range(n):
os.rename(a[i],b[i])`

第二步：框定ROI

  利用图片标注工具lableImg进行标注，具体参照 
  [https://blog.csdn.net/jesse_mx/article/details/53606897]

第三步：保存xml到Annotations

 新建一个文件夹，名字为Annotations，将xml文件全部放到该文件夹里。

第四步：将训练图片放到JPEGImages

 新建一个文件夹，名字为JPEGImages，将所有的训练图片放到该文件夹里。

第五步：ImageSets\Main里的四个txt文件

 新建文件夹，命名为ImageSets，在ImageSets里再新建文件夹，命名为Main
我们可以通过xml名字(或图片名)，生成四个txt文件，即：
 train.txt    test.txt    trainval.txt    val.txt
 内容：
  000001 
  000002
   ........
   即图片名字（无后缀）,test.txt是测试集，train.txt是训练集，val.txt是验证集， 
   trainval.txt是训练和验证集.VOC2007中，trainval大概是整个数据集的50%，test也大概 
   是整个数据集的50%；train大概是trainval的50%，val大概是trainval的50%。

%%
%该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt
%trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；
%上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些
%%
%注意修改下面四个值
xmlfilepath='E:\Annotations';
txtsavepath='E:\ImageSets\Main';
trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比
train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比

%%
xmlfile=dir(xmlfilepath);
numOfxml=length(xmlfile)-2;%减去.和.. 总的数据集大小

trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));
test=sort(setdiff(1:numOfxml,trainval));

trainvalsize=length(trainval);%trainval的大小
train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));
val=sort(setdiff(trainval,train));

ftrainval=fopen([txtsavepath 'trainval.txt'],'w');
ftest=fopen([txtsavepath 'test.txt'],'w');
ftrain=fopen([txtsavepath 'train.txt'],'w');
fval=fopen([txtsavepath 'val.txt'],'w');

for i=1:numOfxml
if ismember(i,trainval)
fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));
if ismember(i,train)
fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));
else
fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));
end
else
fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));
end
end
fclose(ftrainval);
fclose(ftrain);
fclose(fval);
fclose(ftest);

这四个txt放在ImageSets\Main中。

这样，数据集就基本做好了。然后新建文件夹，名字为logos(第0步确定的名字),将上面三个文件夹放到这里，即logos文件夹里有三个文件夹：

将logos文件夹拷贝到datasets\VOCdevkit2007里就可以了。
（或者替换voc2007数据集中的Annotations、ImageSets和JPEGImages，免去一些训练的修改）