RPN网络通俗理解

【提特征】

RPN网络前面是一个提特征的网络，比如VGG,Res等，传给RPN网络的是一个特征图，其实也就是一个tensor

比如用ZF网络（论文里面用的）

输出特征图：13*13*256

【RPN】

拿到模型的特征，RPN网络首先加了一个3*3*256*256的卷积层（其实不是很清楚为什么加，可能是为了扩大感受野）

这样就会得到11*11*256的输出，前面11*11是图形矩阵，其中每一个点在原图中都是一个很大的区域，256表示这个区域的特征，具体的计算不再讨论

厉害的一步来了，之后在这个卷积之后，各自接了两个全连接层，一个输出18，一个输出36

这是为啥呢？

先看下面这个图

上面我说的11*11，其中每一个点，也就是特征图上的每一个点其实在原图中都是一块很大的区域（不太清楚的再看看卷积），也就是上面的黑框，在这个区域内可能有目标，为了能更能逼近目标，我们需要3种尺度，和3种形状。3*3=9，就是图中的那9种物体框。假设原图中有一个物体，那我们通过在原图上平移黑框，就总能找到一个颜色框能正好把物体框在里面（真是厉害这想法），而且尺度啊形状最接近。

那么如何平移的呢？在原图上你一个像素一个像素平移没意义啊，难道要重复提取特征？所以平移必须在特征图上平移，因为特征图最后总能映射回原图。11*11的特征图区域，在原图中就表示11*11个大黑框，每个大黑框里面又有9个小颜色框，这样就会产生11*11*9个不同位置，不同尺度，不同形状的物体框，基本足够框出所有物体了。

【如何训练】

损失函数参考这篇文章，等我代码熟了直接上代码

https://blog.csdn.net/wfei101/article/details/77150573