keras实现faster rcnn的代码分析

本文分析的代码来自https://github.com/yhenon/keras-frcnn，侵删。
keras是一种类似tensorflow的Python语言下的包，同样可以用于卷积神经网络的设计，相较于tensorflow实现相对容易但本身仍需tensorflow或theano的支持，本文分析tensorflow支持下的keras实现，keras=2.0.3，数据集选择Pascal VOC2007，需要下载后手动将train和test数据集进行合并并放置于根目录下的train_path文件夹下（需自己创建）。
数据集下载 地址：https://pjreddie.com/projects/pascal-voc-dataset-mirror/

代码起始于train_frcnn：
1.首先设置数据存放路径，图像的调整相关参数，提取网络的选择，权重的加载（如果存在预权重），提取VGG16预加载数据，设定初始参数
2.获取Pascal VOC2007数据集的相关信息，包括图片的地址、width、height、bboxes（）存放于all_imgs，类别数量统计，排序各类别，其中分类的类别中应包括背景，随机打乱图片的顺序，扩展数据集（旋转…）
3.调用已搭建好的卷积网络，实现shared convolutions的构建，代码如下：

from keras.models import Model
from keras.layers import Flatten,