MXNET框架，faster rcnn 训练正常，正确率很高，但是使用demo测试出现异常，框虚标，出现乱框，vgg16正常，resnet网络异常，PIXEL_MEANS问题

首先，使用的是mxnet框架，检测框架是faster rcnn，使用网络是resnet和vgg，项目地址是github mxnet apache里面的\incubator-mxnet-master\incubator-mxnet-master\example\rcnn\，这个项目已经在7月中旬的时候被官方修改了，这里讨论的情况是旧的项目代码。我首先使用自己的数据集，格式是Pascal Voc格式，将trainvol和图片进行替换，然后使用resnet101网络进行训练，训练的过程正常，正确率和loss都很正常，但是使用修改过的demo文件测试单张图片时出现异常，（demo文件本来是测试vgg网络的，我这里将里面的vgg改成了resnet了），异常如下图所示，

检测图片的结果是框框出现漂移，不准，只有一个或两个准的，根据训练的loss来看这是不正常的，不可能这么差的效果。

但是使用test代码进行测试时结果正常，正确率在0.8左右，但是demo测试依然不行，后来使用resnet50进行训练，结果同样不正常。但是在使用demo测试vgg16网络的时候，正常，检测准确度和训练时一样。

经过对test代码和demo代码进行一点一点调试分析，最后查到原因，这个是配置文件network.resnet.PIXEL_MEANS = np.array([0, 0, 0])中PIXEL_MEANS设置不同的原因，resnet在测试的时候使用的这个值是3个0，而vgg在测试的时候不是这个值（而是默认值：config.PIXEL_MEANS = np.array([103.939, 116.779, 123.68])），demo文件中使用的是默认PIXEL_MEANS值是针对vgg网络的，如果修改成测试resnet的，也需要将这个值修改一下。（在执行test文件进行测试时，是有个参数的：--network resnet  通过这个参数来决定使用哪个PIXEL_MEANS，从而解释了为什么使用test进行测试结果是正确的。）

总之，修改两处：

（1）、修改demo文件开头的PIXEL_MEANS的值，这里需要先引出network这个变量，如图1第一行所示，然后给PIXEL_MEANS赋值为network.resnet.PIXEL_MEANS

（2）、修改config中的PIXEL_MEANS值，这里不用我们手动去修改config文件，以防使用vgg又麻烦的要改回来，这里使用一个函数，在执行的时候通过加入参数--network resnet来进行调用修改，我们知道，在执行test时参数输入中有这个--network resnet网络的参数，对应的有个函数，如图2中的那三行，将其放到demo文件的参数输入那里即可。测试命令也就是：python demo-resnet.py --prefix model/e2e --epoch 10 --image demo.jpg --gpu 0 --network resnet 

（3）测试用的demo-resnet文件我已上传，大家可以直接下载，修改里面的类别即可使用，

https://download.****.net/download/wang_ys121/10602581，别忘在运行时加上--network resnet这个参数。