Faster R-CNN

文章：http://arxiv.org/pdf/1506.01497v1.pdf

Faster R-CNN 可以看做是对 Fast R-CNN 的进一步加速，最主要解决的如何快速获得 proposal，一般的做法都是利用显著性目标检测（如Selective search）过一遍待检测图，得到proposal。基于区域的深度卷积网络虽然使用了 GPU 进行加速，但是the region proposal methods 确却都是在 CPU上实现的，这就大大地拖慢了整个系统的速度。然后作者提出，卷积后的特征图同样也是可以用来生成 region proposals 的。通过增加两个卷积层来实现 Region Proposal Networks (RPNs) , 一个用来将每个特征图 的位置编码成一个向量，另一个则是对每一个位置输出一个 objectness score 和 regressed bounds for k region proposals。

在每个sliding-window 位置, 提出K个proposal，这里面用到了 anchors 这个词，还没找到合适的中文翻译，这些 proposals 是 3 scales with box areas of 128*128, 256*256, and 512*512 pixels, and 3 aspect ratios of 1:1, 1:2, and 2:1。

现在坐等代码，本文最大的创新在于将region proposal放到卷积层中做，极大地利用了现有的资源（Shared conv feature）,这些都在GPU中实现，期待实际应用的效果！