cate:每個類別的groundtruth文件（t7格式）彩库，用于測試檢測模型對每個類別的準確率。（目前有trainval（測試accuracy目前相對較高）颗品、test（理論上應該用這個測試集肯尺，但是accuracy不高））沃缘。
config:模型參數配置文件。
data:圖像及標注數據则吟，原始數據文件槐臀。
logs/logs1：注，為了不讓更新后的原模型的訓練文件影響論文仿真時所用的模型訓練文件氓仲，用logs保存論文仿真要用的模型訓練文件水慨，用logs1保存原模型的訓練文件。
layer：保存了層選擇對accuracy影響的結果圖敬扛。
Main:data文件夾中voc中的Main文件夾的復制晰洒。
mapdata：XXX.lua的中間生成文件，用于被XXX.lua調用以可視化每個類別的accuracy啥箭。
models：通用深度模型結構配置谍珊。
nn：實現(xiàn)反饋算法在各層的傳播。
nngraph-master：實現(xiàn)反饋算法在各個圖結點的傳播急侥。
obj_old：以前的項目版本砌滞。
out：中間卷積層特征圖可視化。
ratio：不同比例對mAP的影響可視化坏怪。
resource：參考代碼贝润。
resultimg：論文方法輸出圖。
traindata：用于對不同的數據集訓練出不同的模型文件铝宵，包含不同數據集生成的數據t7文件打掘。
反饋傳播：參考論文。
batch_eb.lua：for 論文方法仿真鹏秋。
BatchIterator.lua：用于原模型訓練尊蚁。
create-cate-data.lua：制作每類的t7文件用于測試。
figure.lua：用于畫不同比例和類別下的折線圖侣夷，加載dat文件枝誊。
get_attention.lua：論文仿真總的執(zhí)行代碼文件。
ILSVRC：用于在ILSVRC上訓練模型惜纸。
layerselect.lua：用于評價不同生成層的選擇對mAP的影響叶撒。
main.lua：用于訓練原始檢測模型。
mAP：用于測試不同數據集的mAP及對比耐版。
nms_eb.lua：用于論文仿真的nms實現(xiàn)祠够。
ratio2和ratio3：都用于測試不同ratio=w1/w2下的mAP值，但不同的是粪牲，ratio2保持前面的forward不變古瓤，將不同ratio的winner送入winners中存儲，得到mAP，但在實際測試中落君，這種方法當在ratio發(fā)生變化時穿香，mAP并沒有發(fā)生變化，所以改用了ratio3中的測試方法绎速。ratio3則相當于每更換一個ratio就重做一次實驗皮获，并且，ratio2出于實際考慮丟棄了attention map的可視化纹冤，而ratio3保留了這部分洒宝。
z.lua：往返式檢測框架完整思想版，包含可調節(jié)層選擇萌京，對比注意力的實現(xiàn)雁歌，以及往返式檢測框架的實現(xiàn)。
