网络定义位于models/tianchi/VGG16/faster_rcnn_end2end/train.prototxt，同时定义了数据输入层，位于lib/roi_data_layer/layer.py，在setup函数指定了网络输入图像为batchsize*1*x*y*z的3D图像数据。
数据存放在data/tianchi/data下面，Annotations和Images前缀分别代表标注文件和肺3D图。标注文件为_label后缀的npy文件，文件内容是二维数组如下
[[ 201. , 242. , 112. , 8.12129222],
[ 231. , 390. , 132. , 4.43397444]]
每一行的前三个为z,x,y坐标，第四个数字为大小
肺3D图片是mhd经过预处理之后的npy文件，以_clean为后缀，是1*x*y*z大小的4维数组
ImageSets文件夹是存放数据引用，在后续中会通过指定 imdb 来指定需要训练文件列表。比如存在一个训练数据为LKDS-00001，则Annotations_train下面有LKDS-00001_label.npy，Images文件夹下面有LKDS-00001_clean.npy,ImageSets/train.txt有一行为LKDS-00001
不使用pretrained_model
在tools文件夹下面执行
python -u train_net.py --solver ../models/tianchi/VGG16/faster_rcnn_end2end/solver.prototxt --imdb_train tianchi_train --imdb_val tianchi_val --iters 70000 --cfg ../experiments/cfgs/faster_rcnn_end2end.yml --rand
模型生成在output/faster_rcnn_end2end/tianchi_train下面
使用pretrained_model
python -u train_net.py --solver ../models/tianchi/VGG16/faster_rcnn_end2end/solver.prototxt --weights ../output/faster_rcnn_end2end/tianchi_train/tianchi_faster_rcnn_epoch_1083.caffemodel --imdb_train tianchi_train --imdb_val tianchi_val --iters 70000 --cfg ../experiments/cfgs/faster_rcnn_end2end.yml --rand
遍历所有模型，计算在验证集的tnr和tpr。
python -u val_net.py --solver ../models/tianchi/VGG16/faster_rcnn_end2end/solver_val.prototxt --imdb_train tianchi_train --imdb_val tianchi_val --iters 70000 --cfg ../experiments/cfgs/faster_rcnn_end2end.yml --rand
python -u test_net.py --def ../models/tianchi/VGG16/faster_rcnn_end2end/test.prototxt --net ../output/faster_rcnn_end2end/tianchi_faster_rcnn_iter_2204.caffemodel --imdb tianchi_test --cfg ../experiments/cfgs/faster_rcnn_end2end.yml --max_per_image 1
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent