计算机视觉（三）Faster-RCNN

继SPP-Net和Fast R-CNN之后，两篇论文的作者又联手实现了一个对R-CNN更快加速的算法，即Faster R-CNN。论文首先分析下之前的Fast R-CNN，它使用了Softmax代替了SVM的二分类，然后把多阶段变成了多任务的算法，但是由于产生region proposal算法是selective search，只能在CPU上运行，而且由于其不是CNN网络，所以Fast R-CNN并不是真正意义上的end-to-end网络。我们既然知道了这个缺点，那么在Faster R-CNN中作者就提出来能不能把region proposal用一个CNN网络产生，这样既可以在GPU下运行又可以完全实现end-to-end？事实证明可以的，作者提出了RPN网络，使得检测算法在VGG16的模型中实现了5ps，做到了实时检测，源码见GitHub。

一、RPN（区域建议网络）

Faster R-CNN摒弃了selective search算法，使用RPN网络去生成候选框，首先让输入图像经过CNN网络，得到一个feature map，利用RPN网络去产生候选框，把候选框在fe