faster rcnn 在feature map上面生成anchor过程

首先，以左上角的[0,0,15,15]为基准框，在保证面积不变的前提下，把框的宽和高分别做成0.5:1,1:1,1:2三种模式，得到三个anchor（是一个3*4矩阵）；

第二步，把上一步得到的三个anchor分别放大8倍、16倍、32倍。原图在vgg16网络中经过4个池化层，所以feature map 的大小是原图的1/16。

通过以上两步得到左上角那个feature的9个anchor。

由于anchor是在原图上面画框，所以接下来，用meshgrid方法构造出feature map的点在原图上的相对位置，再把这个矩阵reshape成shape=[K, 1, 4]，K是所有特征点的个数，等于feature map的width*height；

把生成的anchor reshape成[1, A, 4]，通过numpy 广播把feature map和anchor加起来得[K, A, 4] ，再reshape成 [K*A, 4] ，得到所有anchor。

anchors_tf = tf.reshape(tf.add(anchor_constant, shifts), shape=(length, 4))