rpn产生proposals_faster rcnn中rpn的anchor，sliding windows，proposals？

感谢 @马塔 的答案，不过我想反对一下。顺便吐槽一下知乎现在的氛围，即使是这种专业的领域也是有一群小白，在自己没有仔细考虑过答案对不对的情况下，只是因为“有图”、“看起来很靠谱”就胡乱点赞，以为知乎点赞就像朋友圈点赞一样随便。。(我猜等小白多了之后我这种认为点赞应该严肃的人就会被喷了)

@马塔 说的 “anchor 本质是 spp 的逆向”是错误的，原因不难理解，anchor 在图像中对应的尺寸和长宽比例是各种各样的，有的甚至还超过了滑动窗口的 3x3 输入的感受野的范围。如果说一块 feature map 通过网络的学习，只关注感受野内某一块区域的信息，这个是合理的，但要说它同时来自 9 个不同的区域，这显然有点魔幻的感觉，更不用说有的区域根本就超出了它感受野的范围。

anchor 让网络学习到的是一种推断的能力。网络不会认为它拿到的这一小块 feature map 具有七十二变的能力，能同时从 9 种不同的 anchor 区域得到。拥有 anchor 的 rpn 做的事情是它已知图像中的某一部分的 feature(也就是滑动窗口的输入)，判断 anchor 是物体的概率。anchor 可能比感受野大，也可能比感受野小，如果 anchor 比感受野大，就相当于只看到了我关心的区域(anchor)的一部分(感受野)，通过部分判断整体，如果比感受野小，那就是我知道比我关心的区域更大的区域的信息，判断其中我关心的区域是不是物体。