Faster-R-CNN

1整体结构

2更为详细的

 过程描述，向网络中输入一张图片，显示resize到M*N，之后通过我们预训练好的卷积网络，得到feature map。之后在RPN中的2个卷积为1*1网络 分别输出 RPN目标检测框的位置信息和框中是不是背景。如果是背景就把框舍弃。之后使用ROIPooling，将后面网络的输入固定。之后再通过网络输出 检测目标分类的结果和边框回归的结果。

 3RPN的实现

输入的是形状为（h，w，512）的形状，之后通过卷积核为3*3的卷积层，得到（h,w,256）的特征。

在（h,w,256）的特征上我们在每一个像素点根据先验的知识设定了k个anchor boxes。

我们在分别通过卷积核为1*1的卷积，得到形状为（h,w,2K）和（h,w,4k)的结果，分别对应框中有没有物体，和框的位置信息。

4anchor boxes的筛选

我们预设了k个anchor boxes，如果每个anchor boxes都使用的话，会有很大的计算量，而且不是所有的anchor boxes都包括检测的物体。

我们把anchor boxes与groundtruth进行IoU操作，大于阈值的为正样本保留，反之舍弃。

5关于anchor boxes的预设

论文中指定了3种scal即边框大小和3种aspect ratio 宽高比例

相乘共得到9个anchor boxes。