从Faster RCNN开始学python 篇外卷datasets（一）

在Faster RCNN中有使用一些额外的程序，类等等，为了使文章整体内容不过于分散，这里作为篇外卷学习。
文件地址：\py-faster-rcnn\lib\datasets

本文章解析代码为ds_utils.py。
代码包含5个子函数，逐一进行解析。

第一个子函数unique_boxes，作者命名为独一无二的盒子们。

def unique_boxes(boxes, scale=1.0):
    """Return indices of unique boxes."""
    v = np.array([1, 1e3, 1e6, 1e9])
    hashes = np.round(boxes * scale).dot(v)
    _, index = np.unique(hashes, return_index=True)
    return np.sort(index)

首先是生存一个1*4的向量V（np.array），然后是一个矩阵的乘（np.round 和dot(）），输出不一样的数的位置索引（_, index = np.unique(hashes, return_index=True) ），然后对索引进行排序（np.sort(），默认为升序）
重点说明：np.unique的输出，根据一个简单的例子可知

A = [1, 2, 2, 3, 4, 5]
a, b, c = np.unique(A, return_index=True, return_inverse=True)
print a, b, c      # 输出为 [1 2 3 4 5], [0 1 3 4 5], [0 1 1 2 3 4]

可以看出第一个输出是不重复的值，第二个是每个不重复在A中的位置索引，第三个是每个值在A中的位置。
简单来说，该子函数unique_boxes输入了盒子的尺寸，乘以一个放缩尺度大小（估计是后面三个尺度太小需要放大便于比较。）后删除了重复的盒子。

然后的格式数据的转化xywh_to_xyxy(）和xyxy_to_xywh(）。

def xywh_to_xyxy(boxes):
    """Convert [x y w h] box format to [x1 y1 x2 y2] format."""
    return np.hstack((boxes[:, 0:2], boxes[:, 0:2] + boxes[:, 2:4] - 1))

def xyxy_to_xywh(boxes):
    """Convert [x1 y1 x2 y2] box format to [x y w h] format."""
    return np.hstack((boxes[:, 0:2], boxes[:, 2:4] - boxes[:, 0:2] + 1))

根据一个简单的例子来了解下np.hstack（）：

import numpy as np

a = np.array((1,2))  
b = np.array((2,3))  
print(np.hstack((a,b)))
[1 2 2 3]

a = np.array([[1],[2]])  
b = np.array([[2],[3]])  
print(np.hstack((a,b)))
[[1 2]
 [2 3]]

下列函数validate_boxes(）为验证一个盒子是否有效：

def validate_boxes(boxes, width=0, height=0):
    """Check that a set of boxes are valid."""
    x1 = boxes[:, 0]
    y1 = boxes[:, 1]
    x2 = boxes[:, 2]
    y2 = boxes[:, 3]
    assert (x1 >= 0).all()
    assert (y1 >= 0).all()
    assert (x2 >= x1).all()
    assert (y2 >= y1).all()
    assert (x2 < width).all()
    assert (y2 < height).all()

下列的函数为把一些小盒子过滤掉：

def filter_small_boxes(boxes, min_size):
    w = boxes[:, 2] - boxes[:, 0]
    h = boxes[:, 3] - boxes[:, 1]
    keep = np.where((w >= min_size) & (h > min_size))[0]
    return keep

解释np.where(),该函数防护的是一个布尔值的列表，后面判断语句中为真的地方返回True，假为False。