1.初始資料通過imdb類的操作放在它的屬性roidb裡。

2.roidb只是一個字典，可以拿出來當做一個單獨的字典，脫離imdb。

3.roi_data_layer下的layer就是input-data。Forward中載入資料並控制一次一張圖片

的資料進入網路。送到rpn-data中三組資料：

  gt_boxes ：大小（一張圖片xml中box個數, 5）；一張圖中box的座標以及類別

  data ： 大小（1,3,高,寬）；一張圖的資料

  im_info： 大小（1, 3）； （高, 寬, 下面提到的比例）

圖片的大小與原圖不同，每張圖的高或寬被rescale成600，另一邊會按照相同的比例

4.`AnchorTargetLayer就是rpn-data.計算anchors,以及anchors是否合理（大小，overlap），並根據每個anchor與gt_box的重疊度判斷labels；anchors大小是卷積網路過來資料的高寬再乘9個（即，一個點有9個）.最後產生四組資料（設k=len(anchors)）：

  labels：大小（k, 1）； 前景=1，背景=0， 否則=-1

  rpn_bbox_targets: 大小(k, 4)

  bbox_inside_weights: 大小（k, 4）;有前景=1，否則為

  bbox_outside_weights: 大小(k, 4); 有前景或背景=1/（前景+背景），否則為0