对Faster R-CNN的理解(2)

2. 区域建议网络

区域建议网络(Regional Proposal Network, RPN)，根据特征图上每一个点的向量，为这个点生成k个矩形建议框。每一个点输出的内容包括：reg层4个输出x、y、w、h，其中x、y是矩形建议框中心的目标，w、h是矩形建议框的宽度和高度，cls层输出两个数字，分别是目标、非目标的估计概率，也就是说，一个框就有6个输出。

一般在特征图上的一个点输出3种尺寸、3种比例的anchor，即一个点输出9个anchor，k=9，一般特征图的尺寸是60×40=2400，即一共产生2400×9=21600个anchor。对这20000多个anchor，以下两类分配正标签：（1）和某一个GT真实框具有最高IoU（Intersection-over-Union，交集并集之比）重叠的anchor；（2）和任意一个GT真实框的IoU超过0.7的。对于和任意一个GT真实框的IoU都小于0.3的anchor，分配负标签。其他的anchor不分配标签，也不参与训练。

2.1 区域建议网络

一个图像的损失函数是：