RPN网络学习 在阅读学习了一些其他人关于RPN网络的讲解后,总结自己的理解. 如图所示: (1)在进入RPN网络之前,可以先经过数个卷积池化层的运算,然后得到一张特征图,这张特征图即为RPN网络的输入; (2)进入RPN网络后可以对其进行一次卷积操作,得到的还是一张特征图; (3)此时分为两条路线 a 和 b a:对于这张特征图上的每一点都会预测k=9个预选框,而第一条路线,需要用于区分这些框里是否有待检测的目标,所以有 存在目标 和 不存在目标 两种情况,同时有9个预选框,所以总共有18种分类情况; b:对于这k=9个预选框还需要确定它们的位置,因此每个框对应2组(x,y)的位置信息,总共就有36种情况; (4)将两条路线输出的最终结果进行整合筛选,比如这个框里有目标的概率有多高?高的留下了来,并将其与框的坐标合并得到一组新的合并后的输出,以这种方式,最终筛选出一些预选框,进入之后的网络中进行学习。