1. 初始数据通过imdb类的操作放在它的属性roidb里。
2. roidb只是一个字典，可以拿出来当做一个单独的字典，脱离imdb 。
3. roi_data_layer下的layer就是input-data。Forward中加载数据并控制一次一张图片的数据进入网络。送到rpn-data中三组数据：
- gt_boxes：大小（一张图片的xml中box个数, 5）；一张图中box的坐标以及类别
- data：大小（1, 3, 高, 宽）；一张图的数据
- im_info：大小（1, 3）；（高, 宽, 下面提到的比例）
图片的大小与原图不同，每张图的高或宽被 rescale 成 600，另一边会按照相同的比例 rescale（代码出处未找到，且不懂这样的原因？？？？？？）
4. AnchorTargetLayer 就是rpn-data.计算 anchors,以及anchors是否合理（大小，overlap），并根据每个anchor与gt_box的重叠度判断labels；
anchors大小是卷积网络过来数据的高宽再乘9个（即，一个点有9个）.
最后产生四组数据（设k=len(anchors)）：
- labels：大小（k, 1）； 前景=1，背景=0，否则=-1
- rpn_bbox_targets: 大小(k, 4)
- bbox_inside_weights: 大小（k, 4）; 有前景=1，否则为0
- bbox_outside_weights: 大小 (k, 4); 有前景或背景=1/（前景+背景），否则为0
5. 区别
- cfg.TRIAIN.IMS_PER_BATCH: 是训练proposals时的batch size, 在mini中被默认为1不能修改。
- cfg.TRAIN.BATCH_SIZE: 是后面基于proposal训练的时候的batch size
- cfg.TRAIN.RPN_BATCHSIZE: 是控制第一步训练的结果proposals的个数，在AnchorTargetLayer中被定义为256（如果想修改proposal个数可以修改）。