Faster RCNN 簡單來說，是將區域框的建議做成了一個可以訓練的網絡框架（RPN）。隨后對RPN出來的結果來進行 Fast RCNN 的篩選。
RPN 網絡如何做到建議框的推薦
首先，說到RPN框的推薦就不得不說，anchor box 一般來說，我個人理解相當于是一個區域覆蓋。比如對于一個 800 * 600 的圖片，對于 { 128128，256256， 512*512 } 【這個我理解成對原圖的像素覆蓋】，對應 { 1:2，1:1 ，2:1 } 的覆蓋方式，總共會有 9 中的覆蓋方式。好了，我們以原圖中心為起始點去看這九種方式的覆蓋面積：
我們可以看到，以中心點為起始，它的覆蓋面積基本上涵蓋了整張圖片。那么起始我們知道，anchor box 起始是對于最后一層卷積出來后每一點都擁有這么9個覆蓋方式。好了，到這里我們可以設想一下，（簡化說，比喻不恰當）特征圖是原圖的一種另一個意義上的縮放。那么我們特征圖最左上角一個點，那其實對應的是原圖左上角的一片區域信息，根據這個 anchor box 的覆蓋方式，我們以這篇區域信息為中心區域，就可以相當于覆蓋了左上角一大片的區域信息，以此類推。這樣每一個點都含有這9個 anchor box 那么在大概率上，我們其實已經覆蓋了原圖的所有的內容。
因為每一個點都會有 9個 anchor box，每一個點擁有 deep 深度的信息。所以這個 deep 深度信息需要轉化成包涵這個點的 anchor box 是否含有目標信息（就是一個二分類問題），且這個點與 ground truth 之間的坐標位置信息就有 4 個偏移量。所以可以理解成如下： 一個點的 feature (deep 維度 設 K-d）
-- one point K-d → 2 * 9 （用于每個 anchor box 的分類）
-- one point K-d → 4 * 9（用于每個 anchor box 的回歸）
訓練方式：
Faster R-CNN的訓練，是在已經訓練好的model（如VGG_CNN_M_1024，VGG，ZF）的基礎上繼續進行訓練。實際中訓練過程分為6個步驟：
- 在已經訓練好的model上，訓練RPN網絡，對應stage1_rpn_train.pt
- 利用步驟1中訓練好的RPN網絡，收集proposals，對應rpn_test.pt
- 第一次訓練Fast RCNN網絡，對應stage1_fast_rcnn_train.pt
- 第二訓練RPN網絡，對應stage2_rpn_train.pt
- 再次利用步驟4中訓練好的RPN網絡，收集proposals，對應rpn_test.pt
- 第二次訓練Fast RCNN網絡，對應stage2_fast_rcnn_train.p
總圖如下：
開始說明分圖訓練：
這里先看一個總的框架圖：
然后根據總的框架圖，我遮擋一些內容，就可以看到各部的訓練過程：
首先：
- RPN 網絡的訓練過程
- faster - rcnn 網絡訓練過程：
【參考資料】：
