目标检测特殊层：Proposal层

1：anchor_target_Layer函数功能

    该函数生成anchors，之后随机的挑选256个anchors，包含正负样本的总和256个anchors，之后计算这256个anchors的去回归出来预测框，正样本有预测框，负样本没有预测的框，之后把这256个预测的anchors去计算softmaxLoss和SmoothL1Loss；第一个阶段的loss反向传播，该层只是生成了rpn_labels用于就是那loss，没有反向传播；rpn_bbox_pred是预测偏移量，rpn_bbox_targets是目标值，是经过中心点和w，h转化的目标值；

2：Proposal层函数功能

    这个函数是用来将RPN的输出转变为object proposals的。作者新增了ProposalLayer类，这个类中，重新了set_up和forward函数，其中forward实现了：生成锚点box、对于每个锚点提供box的参数细节、将预测框切成图像、删除宽、高小于阈值的框、将所有的(proposal, score) 对排序、获取 pre_nms_topN proposals、获取NMS 、获取 after_nms_topN proposals；

    该层借助于所有的anchors通过回归生成预测的框，然后训练的时候，去掉越过边界的框，按照softmax分数排序，选择前面12000个，之后经过NMS，之后选择剩下前2000个去送入了到第二阶段去分类；只有前向传播，没有反向传播；rois得到的是第一阶段的预测框，是相对与原图的坐标框，rpn_roi是anchors加上偏移量之后的预测值，rois是rpn_roi经过过滤之后的2000个的推荐到第二阶段的；

3：proposal_target_layer层的函数功能

    该层通过Proposal层推荐的rois，之后根据阈值0.1到0.5为负样本，大于0.5为正样本，之后对正样本进行回归，回归出来更好的anchors，作为第一阶段的推荐的框，没有反向传播。