目标检测（五）：Faster-RCNN

Faster-RCNN¹主要是为了解决Fast-RCNN中region proposal的耗时问题。之前所用的selective search方法的耗时往往比检测本身的耗时还要长，因此本文提出了一种Region Proposal Network（RPN）用来获取region proposal，同时RPN与Fast-RCNN中的检测网络可以共享卷积层，提升检测速度。使得RCNN系列方法可以朝着实时目标检测迈进。
简单来说，Faster-RCNN是在Fast-RCNN的卷积层特征提取之后加了一个RPN用来获取region proposal（或者说是ROI），其他步骤基本不变，如下图²所示。

1 RPN介绍

RPN的输入为一幅任意大小的图像，输出是一个矩形边界框集合，以及每个边界框对应的类别概率。下图是其大概框架。

在得到最后一层卷积层的输出后，对其进行以下处理：

1. 使用一个n$\times$n的window在feature map上进行滑动（本文n=3）。每个window位置对应有k个anchors，每个anchor关联一个图