Faster R-cnn模型结构及算法解析

接下来看论文中给出的模型整体结构图：Faster R-CNN，由两个模块组成。第一个模块是提出区域的深度全卷积网络，第二个模块是使用提出的区域的快速R-CNN检测器。相比于原始的fast R-cnn，faster R-cnn 添加了区域建议网络RPN，RPN模块告诉Fast R-CNN模块去哪里看。

接下来看一看RPN的结构及具体实现步骤：

faster R-cnn直接在特征图上进行候选框的选择，如上图，而RPN就是对于输入的图片，输出一批矩形区域的提名，每一个区域都会对应目标的分数和位置信息。也就是在特征图上的每个点上成成一些anchor，之后用分类器判断 anchor包含的物体是前景还是背景，此外还要用一个回归模型来判断anchor的精细位置。

上图中的RoI Pooling，它是将感兴趣区域（ROI）池化到固定大小，再送入分类器，即兴趣域池化，用于收集RPN生成的proposals即每个预测框的坐标，并从卷积得到的feature maps中将对应预测位置提取出来，生成proposals feature maps送入后续全连接层继续做分类（预测框具体是哪一类别）和回归。