Faster-RCNN 原理解析（结合TensorFlow源码）

这个笔记只写了一部分，并不完全，我会抓紧时间写完它。
以下都是本人的个人见解与总结，不妥之处欢迎指正。

（一）anchor的作用

Q1：为什么不直接回归bbox的坐标，要用anchor来辅助？

A：因为自然图片中物体的大小是在几个常用的范围之内的，faster-rcnn中的9个anchor的大小，基本上就是自然图片中大多数物体的大小范围，所以找出与物体gt最接近的anchor，并且微调这个anchor，让其接近物体的gt(真实框的大小)，更省时间，更准确。直接回归bbox坐标的话，会很慢。

Q2：RPN 网络的损失函数 loss function解析

对于一张image来说：（以下这个loss的计算单位是anchor，因为是对于一张image来说的，一张image保留了_C.TRAIN.RPN_BATCHSIZE = 256个anchors）

$L=\frac{1}{N_{cls}}{\sum }_{i=0}^n{L}_{cls}(p_i,p_i^{\ast })+\lambda \frac{1}{N_{reg}}{\sum }_{i=0}^n{p}_i^{\ast }{L}_{reg}(t_i,t_i^{\ast })$公式（1）

其中，i是一个mini-batch中的anchor的index，（这个mini-batch=$N_{cls}$=256，是256个anchors，不是指256张image）

第一个$p_i^{\ast }$ ： 在程序里面对应的参数是rpn_labels，与anchors一一对应，$p_i^{\ast }=1$ ，表示该anchor是正样本；$p_i^{\ast }=0$ ，表示该anchor是负样本；
第二个$p_i^{\ast }$ ：在实际的程序里面，对应的是这个参数rpn_bbox_inside_weight，意思与第一个$p_i^{\ast }$一样。
$t_i^{\ast }$ ：在程序里面对应的参数是rpn_bbox_targets
$t_i$ ：就是RPN网络的回归层的直接输出：anchors的4个偏移量：$t_x,t_y,t_w,t_h$ 。

The classification loss $L_{cls} $ is log loss over two classes(object vs. not object)
The regression loss