cnn 回归 坐标 特征图_图像识别（三）——目标检测入门之 Faster R-CNN

注意这篇是Faster R-CNN！！另外附上前两节：

罗火火：图像识别——目标检测入门之 R-CNN​zhuanlan.zhihu.com

罗火火：图像识别（二）——目标检测入门之 Fast R-CNN​zhuanlan.zhihu.com

Faster R-CNN：

Faster R-CNN^[1]作为目标检测的经典方法在现今很多实战项目和比赛中频频

出现。其实，Faster R-CNN 就是在 Fast R-CNN 的基础上构建一个小的网络，直

接产生 region proposal 来代替通过其他方法（如 selective search）得到 ROI。这

个小型的网络被称为区域预测网络（Region Proposal Network，RPN）。Faster

R-CNN 的训练流程如图所示，其中的 RPN 是关键，其余流程基本和 Fast R-CNN 一致。

具体步骤概括为如下^[2]：

1、特征提取(convolutional layer)。Faster R-CNN首先使用一组基础的conv+relu+pooling层提取候选图像的特征图。该特征图被共享用于后续RPN（Region Proposal Network）层和全连接(fully connection)层。

2、区域候选网络(Region Proposal Network)。RPN网络用于