目标检测入门系列手册四：Faster R-CNN 训练教程

Faster R-CNN

Faster R-CNN[3] 作为目标检测的经典方法在现今很多实战项目和比赛中频频出现。其实，Faster R-CNN 就是在Fast R-CNN 的基础上构建一个小的网络，直接产生region proposal 来代替通过其他方法（如selective search）得到ROI。这个小型的网络被称为区域预测网络（Region Proposal Network，RPN）。Faster R-CNN 的训练流程如图2-10 所示，其中的RPN 是关键，其余流程基本和Fast R-CNN 一致。

RPN 的思想是构建一个小的全卷积网络，对于任意大小的图片，输出ROI 的具体位置以及该ROI 是否是物体。RPN 网络在卷积神经网的最后一个特征层上滑动。

接下来我们对着图2-11 来进一步解释RPN 网络。图2-11（a）中最下面灰色的网格表示卷积神经网络的特征层，红框表示RPN 网络的输入，其大小为3×3，而后连接到256 维的一个低维向量。这3×3 的窗口滑动经过整个特征层，并且每次计算都将经过这256 维的向量并最终输出2 个结果