PVAnet目标检测注意点

1：PVAnet论文9.0版本中卷积之后进行batchNormal，9.1版本中每一层之后twise之后进行了归一化：

2：同一个尺度的不同层之间的链接的时候使用power，不同的特征尺度的层之间的链接例如：conv2_4和conv3_1之间链接的时候需要使用conv层；

3：concate层需要两个特征map大小一致，需要长和宽需要是32的倍数；改一下代码缩放到固定的大小；

4： 把灰度复制成三通道没必要，影响速度，把彩色的模型的编程灰度模型，把第一层卷积层改个名字就可以，貌似finetuning初始化模型是根据prototxt里面的layer的name初始化的，只有第一层blob的shape不同，所以第一层就不复制，直接随机初始化就行了，然后再慢慢finetune

5：batchNormal，训练的时候，如果没有预训练模型，一定要把参数设置为false，如果有的话，可以设置为true；

6：PVAnet是在Pascal上训练的，需要转化格式为pascal格式

https://github.com/playerkk/face-py-faster-rcnn是在widerface上直接训练的；