当训练结束后，faster rcnn的模型保存在在py-faster-rcnn/output目录下，这时就可以用已有的模型对新的数据进行测试。

下面简要说一下测试流程。

测试的主要代码是./tools/test_net.py，并且使用到了fast_rcnn中test.py。  

主要流程就是：

1. 读取imdb，主要就是测试数据的位置等信息。

2.   然后循环读取图片，进行网络的前向传播，获取rois（rpn提取的box），cls_prob(fast rcnn预测的分数)，bbox_pred（fast rcnn预测地偏移）。

使用它们进行最后的box的生成。

3. 使用nms去重

4. 按照分数大小排序，获取一定量的proposals. 

整个测试网络文件位于：./models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt 

网络结构如下：