RPN网络学习

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。