使用RFBNet训练kaggle RSNA数据检测胸片的肺炎

one stage 的RFBNet在保证速度的前提下，也有着不错的精度，所以拿来训练kaggle上的RSNA。这边主要介绍下对RFBnet源码修改支持RSNA的训练，如果想看关于RSNA数据分析的，可以去看kaggle上的kernels。

数据集介绍

RSNA跟常见的检测数据集（COCO,VOC,BDD100K,CITYSCAPE等）不一样的一个地方就是，图片中可能不存在标注，也就是说不存在foreground，我就隐隐觉得源码可能不支持这种情况，果然写完dataloader之后报错了，然后就需要修改源码了。

源码修改

1.自己写个支持RSNA的dataloader

大家都有自己的风格，主要就是:

1.用SimpleITK读dicom

2.当前图像没有标注时，load annotation返回 np.zeros((1, 5))

2.修改multibox_loss.py

源码会根据foreground的数量，按一定比例取一些background，但是如果没有foreground，background也没有，算正负样本分类的交叉熵就会报错。

我添加了一段逻辑，如果没有foreground，就选择4个background进行计算，对应下面代码55-58。

    def forward(self, predictions, priors, ta