Region Proposal（候选区域），就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率（IoU，Intersection-over-Union）。

面试的时候面试官很详细的问了rpn网络的最后几层，虽然之前跑过，也看过一些博客写的，但是总是觉得似懂非懂，而且现在觉得很多博客也写的似懂非懂的，所以只能深入了解读一下代码。Faster rcnn代码的体系真的挺庞杂的。

rcnn的框架放在这里。RPN网络的输出是（4+2）*9，anchors是W*H*(4+2)*9。所以说训练RPN网络的时候，输入是一张图片，然后在这张图片中找出正样本和负样本，总共256个样本，正常时1:1的正负样本比例，但是如果正样本不够了，剩下的就用负样本补齐。训练的时候，对于一个feature map的每一个小点，进行一次预测，得到对应九个尺度的anchor的预测值，并加到损失函数中。这样一张图就相当于一个batch为256的训练集。训练完后，生成proposals，采用NMS算法留下2000个proposals做Fast-rcnn的训练输入。对Pascal-Voc数据集有5000个训练图片，5000个测试图片，20类物体。COCO8万的训练图片，4万的验证图片，2万的测试图片。VGG16能达到73.2%的准确率。

其实总的来说，我的问题就在于ROI-pooling怎么计算的，现在看完，应该是这样的。首先用generate产生anchors，对于每个anchor的基础大小是16，然后针对ratio和scale得到合适的九个anchors。这样得到的anchors是图片的尺寸，而不是特征图的尺寸。

这是rpn的网络，可以看出前面提取特征的层是一样的，但是后面的会选择性沉默，训练rpn时，沉默fastrcnn的层，训练

再训练fastrcnn，所以说总共是四步。

最后的最后，感慨一句，看了这么多博客，还是原文解释的好呀！！！所以呀，要看原文！！