Faster RCNN

一、背景

Faster R-CNN是受Fast R-CNN的启发，而Fast R-CNN是受R-CNN启发。
R-CNN是采用 Selective Search 算法来提取(propose)可能的 RoIs(regions of interest) 区域，然后对每个提取区域采用标准 CNN 进行分类。
Fast R-CNN 是 R-CNN 的改进，其采用兴趣区域池化(Region of Interest Pooling，RoI Pooling) 来共享计算量较大的部分，提高模型的效率。
Faster R-CNN 随后被提出，其是第一个完全可微分的模型. Faster R-CNN 是 R-CNN 论文的第三个版本.

Faster R-CNN主要提出使用RPN网络进行区域提取，替代SS算法。

二、网络结构

Faster R-CNN 的结构是复杂的，因为其有几个移动部件. 这里先对整体框架宏观介绍，然后再对每个部分的细节分析.

1)、Conv layers
Faster RCNN首先是支持输入任意大小的图片的，比如上图中输入的PQ，进入网络之前对图片进行了规整化尺度的设定，如可设定图像短边不超过600，图像长边不超过1000，我们可以假定MN=1000*600（如果图片少于该尺寸，可以边缘补0，即图像会有黑色边缘）。

1. 13个conv层：kernel_size=3,pad=1,stride=1;由于pad的原因，conv层不会改变图片大小（即：输入的图片大小=输出的图片大小）
2. 13个relu层：激活函数，不改变图片大小
3. 4个pooling层：kernel_size=2,stride=2;pooling层会让输出图片是输入图片的1/2

经过Conv layers，图片大小变成(M/16)(N/16)，即：6040(1000/16≈60,600/16≈40)；则&