RPN遇到的坑

RPN的作用在于较为准确的选择前300个推荐框，前2篇论（RCNN,Fast-RCNN）用的是Selective Search方法, 贪婪地合并基于低层次特征的像素，产生2000个推荐框，效率低。本文主要讲解RPN网络层及其损失函数，遇到过的坑和疑惑的地方在这里记录一下，便于今后回顾。涉及到的内容过多，请参考：
Faster-RCNN论文地址

1、RPN模型

要点1：在每个滑动窗口的中心（经过3x3卷积得到的点，该卷积层不改变feature map的大小，只是将周围的信息融合到中心点上，该中心点的可视野为3x3大小的VGG/ZF特征）预测9种不同尺度大小的锚框(anchors)。这里用的是ZF的feature map 是256-d，而VGG的feature map 是512-d。

vgg_kernel = 512                                  #如何实现anysize input
f_map_tile = Input(shape=(None,None,512)) #out: 1x1x512
    convolution_3x3 = Conv2D(
        filters=512,                                   #vgg 512, zf 256
        kernel_size=(