本文用到的是caffe下，rbg大神写的py-faster-rcnn。
针对不同的数据集，不同大小的目标，修改anchor的大小和数量，是很有必要的，可以加快收敛的速度，提高检测精度，
原始的数据集是VOC数据集，图片基本集中在500*375左右。在lib文件夹下generate_anchor.py中设计的anchor为128*128,256*256,512*512（不考虑ratios的话），而这样的设计基本符合VOC中目标大小的分布，但是如果你做的是小目标的检测，比如你的大部分目标为8*8-20*20的样子，很明显这里就不再适用了。
为方便修改anchor的大小，使得可以直接从generate_anchor修改anchor来起到真正修改anchor的作用，需要将调用generate_anchor.py的代码稍作修改.
1.在lib文件夹下，proposal_layer.pyzhon中将的修改如下图，基本含义就是调用默认的参数。
2.在anchor_target_layer.py中同理，作修改，红色框表示注释掉，绿色框表示新增代码。
3.在generate_anchor.py中修改如下【不考虑ratios的话，anchor最小生成8*8的anchor（6*16*1.0/12.0）base_size*16*scales_min】，总共60个anchor【5*12即ratios*scales】，实验证明，增加anchor的数量，训练所耗费的时间增加的并不明显~
4.在models中修改train.protxt还有test.prototxt，这里只以train做了展示，test基本一样的修改。
