Faster RCNN论文的概括理解

 论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

论文地址：http://arxiv.org/abs/1506.01497

虽然fast RCNN对每张图片只提取一次特征，但是SS选择候选框的过程依然很耗时，faster我觉得最难理解的就是其提出来的RPN，很多博客上都说faster=RPN+fast，我觉得也是这样的。所以重点说一下我理解的RPN。

RPN是用来生成SS算法产生的候选区域的，所以RPN的输入就是一张图片，输出就是很多候选框

这其中又涉及到一个叫anchor box的框，最后一层卷积层上的每一个点对应着原图上的一个感受野，每一个感受野（在原图中的某一区域）产生9个不同的尺寸、不同位置的框框，对于所有不同的输入到RPN里面的图片所对应的anchor都是相同的，RPN的输出就是针对每一个anchor输出一个6维向量，其中的2个表示这个anchor是否有目标，剩下的4维表示的这个anchor进过什么样的移动与GT更加相近。对每一个anchor标志其期望的输出，使loss最小，达到训练RPN的目的。对RPN提取出来的候选框进行NMS，得到最终的候选框。

  最后将RPN生成的候选去送入到后面的分类与回归网络。

PRN生成的候选框，要得到候选框的特征也必须使用CNN，其中RPN的CNN与分类回归的CNN是相同的。

具体细节请看原文