介绍一下RPN网络？

RPN作用：

就是提取出目标的候选区域，为后续网络进行精细的微调。在图像检测上，确定一个目标框需要4个量，即4个坐标；确定框里有没有目标需要2个量，即前景还是背景。获得这些潜在区域，并完成初步的定位后，RPN的作用也就完成了。

RPN作用对象：

目标框的确定不是直接回归得到的，因为直接预测难度很大，而且不准。所以，一般预测都是相对某个基准的偏移量，参考的基准是特征图，所以RPN的作用对象是特征图。
RPN作用过程：对特征图上的每一个点，映射到原图对应的区域，以这个区域的中心点为锚点，预先放置一些框（比如Faster-RCNN 就设置了不同尺度以及不同宽高比的9个框），即anchor，以这些anchor作为参考的基准。再把预测的偏移量作用在这些基准框上，就得到了预测的候选框。

RPN图解：

首先原始图像经过特征提取网络得到feataure map，在每个feature map上，我们可以预测一个框的4个坐标值(偏移量)，以及是不是目标;feature map上每个点对应原图的一个区域，以原图区域的中心点为锚点，可以放置4个预选框，这些预选框是规整的放置的，跟目标没有任何关系。把这些框与预测值进行结合，就得到了真实的预选框。可以看出，

RPN预测量：

就是为了对预先设置的框进行一些移位和缩放的操作，让这些框更贴近真实目标。

RPN细节：

一个特征图（Faster RCNN的公共Feature Map）经过sliding window处理，得到256维特征，对每个特征向量做两次全连接操作，一个得到2个分数，一个得到4个坐标{然后通过两次全连接得到结果2k个分数和4k个坐标[k指的是由锚点产生的K个框(K anchor boxes)]}（2个分数，因为RPN是提候选框，还不用判断类别，所以只要求区分是不是物体就行，那么就有两个分数，前景（物体）的分数，和背景的分数； 4个坐标是指针对原图坐标的偏移，首先一定要记住是原图）预先设定好共有9种组合，所以k等于9，最后我们的结果是针对这9种组合的，所以有H x W x 9个结果，也就是18个分数和36个坐标。

Faster RCNN中RPN：

原始图像首先经过卷积层进行特征提取， 得到特征图， 然后经过RPN模块进行区域提取。 RPN的模块包含2个分支， 上面一个分支通过softmax预测某一个框是背景还是目标， 下面的分支预测框的4个偏移量，因为Faster RCNN 在每个锚点上预设了9个先验框， 所以在特征图的每个点上， 对应18个分类概率和36个框的偏移量。
得到Proposal后， 把这些框的信息在映射到特征图上， 由于框的大小不一样， 所以需要ROIPooling操作， 把候选区域的特征图整成一样的大小， 以便进入后续的fc层进行进一步的微调。