Region Proposal Network (RPN)

参考：https://towardsdatascience.com/region-proposal-network-a-detailed-view-1305c7875853#46ea
产生背景：

• 由 Faster R-CNN 提出，作用：产生前景候选框框和前景框的位置偏移
• 解决的问题：R-CNN 是在原始图片上通过 Selective Search算法提出多个候选框，再把多个候选框送入CNN进行特征提取；Fast R-CNN则是将整张图片送入CNN进行特征提取，再在特征图上通过 Selective Search 算法提取候选框；这两种方法都是使用离线的选择性搜索算法，耗时大，且无法端到端的学习如何提取候选框；RPN 则是将这个候选框的提取纳入到端到端的学习中来；

流程步骤

1. 输入：经过backbone网络得到的特征图；
2. 对于特征图上的每一个点（称之为锚点 anchor point）,生成具有不同 尺度 和 宽高比 的锚点框，这个锚点框的坐标(x,y,w,h)是在原图上的坐标

3. 然后将这些锚点框输入到两个网络层中去，一个（rpn_cls_score ）用来分类，即这个锚点框里面的特征图是否属于前景；另外一个（rpn_bbox_pred）输出四个位置坐标（相对于真实物体框的偏移）；这时候就需要GT来进行loss学习，GT的来源如4

   
   image.png
4. anchor target generation：将锚点框与Ground Truth中的标签框进行 IoU 对比，如果其 IoU 高于某个阈值，则该锚点框标定为前景框，否则属于背景框；对于前景框，还要计算其与真实标签框的4个位置偏移；将这个标注好的锚点框（带有 前背景类别 和 位置偏移 标注）与3中卷积网络层的两个输出进行loss比较(类别：CrossEntrpy loss 和 位置回归：smooth L1 loss)，从而学习到如何提取前景框
5. 学习到如何提取前景框后，就根据 rpn_cls_score 层的输出概率值确定前景框；位置偏移值则被整合到锚点框的坐标中以得到实际的框的坐标；这样子就得到了前景框，起到了selective search的作用。

RPN生成的proposal就称为 Region of Interest.由于他们具有不同的尺度和长度，因此需要通过一个 ROI pooling层获得统一的大小

ROI pooling的解释如https://towardsdatascience.com/region-of-interest-pooling-f7c637f409af