FasterRCNN网络模型prototxt修改

本章节所有的代码样例都不能直接复制到网络模型中使用，需要用户根据使用的网络模型，自行调整相应参数，比如bottom、top中的参数要和具体网络模型中的bottom、top一一对应，并且bottom和top对应的参数顺序不能更改。

如下以FasterRCNN Resnet34网络模型为例进行说明。

1. proposal算子修改。
   根据支持Caffe算子清单，该算子有3个输入，2个输出；根据上述原则，对原始proposal算子进行修改，type修改为caffe.proto文件中的类型，增加actual_rois_num输出节点。参见caffe.proto文件中的属性定义增加相应属性信息。修改情况如图1所示，其中左边为原始算子prototxt，右边是适配昇腾AI处理器的prototxt。

   图1 原始算子与修改后的算子比对1
   
   代码样例如下：

   layer {
   name: "faster_rcnn_proposal"
   type: "Proposal"                  // 算子Type
   
   
   bottom: "rpn_cls_prob_reshape"
   bottom: "rpn_bbox_pred"
   bottom: "im_info"
   top: "rois"
   top: "actual_rois_num"        // 增加的算子输出
     proposal_param {
   	  
     feat_stride: 16
     base_size: 16
     min_size: 16
     pre_nms_topn: 3000
     post_nms_topn: 304
     iou_threshold: 0.7
     output_actual_rois_num: true
     }
   }

   参数解释请参见支持Caffe算子清单。

2. 最后一层增加FSRDetectionOutput算子，用于输出最终的检测结果。

   对于FasterRCNN网络，参考扩展算子列表在原始prototxt文件的最后增加后处理算子层FSRDetectionOutput ，参见支持Caffe算子清单，FSRDetectionOutput算子有五个输入，两个输出，此算子的Type及属性定义如下：

   代码样例如下：

   layer {
     name: "FSRDetectionOutput_1"
     type: "FSRDetectionOutput"
   
     bottom: "rois"
     bottom: "bbox_pred"
     bottom: "cls_prob"
     bottom: "im_info"
     bottom: "actual_rois_num"
     top: "actual_bbox_num1"
     top: "box1"
   
     fsrdetectionoutput_param {
   
       num_classes:3
       score_threshold:0.0
       iou_threshold:0.7
       batch_rois:1
     }
   }

   参数解释请参见支持Caffe算子清单。