【无标题】

@[学习Faster RCNN的过程资料]
#一、了解FPN
Faster RCNN中看FPN这篇文章十分适合：https://blog.csdn.net/baidu_30594023/article/details/82623623
该文章中：
作者一方面将FPN放在RPN网络中用于生成proposal，原来的RPN网络是以主网络的某个卷积层输出的feature map作为输入，简单讲就是只用这一个尺度的feature map。但是现在要将FPN嵌在RPN网络中，生成不同尺度特征并融合作为RPN网络的输入。在每一个scale层，都定义了不同大小的anchor，对于P2，P3，P4，P5，P6这些层，定义anchor的大小为32^2, 64^2, 128^2，256 ^2，512 ^2，另外每个scale层都有3个长宽对比度：1:2，1:1，2:1。所以整个特征金字塔有15种anchor。