每次看Faster rcnn的paper都能收获到不少东西，所以这个博客的目的就是为了记录自己看这篇paper的过程中的一些理解。
本文为自己根据大家的博客的内容摘取和自己的理解汇合完成：
Faster rcnn的整体构架：
训练的大致过程：
1、图片先缩放到MxN的尺寸，之后进入vgg16后得到（W/16，H/16）大小的feature map；
2、对于得到的大小为（W/16，H/16）的feature map上的每一个位置，都生成三种比例、三种（rotio、scale）尺度的anchors，Anchor即给出一个基准窗大小，按照倍数和长宽比例得到不同大小的窗。例如论文中基准窗大小为16，给了（8、16、32）三种倍数和（0.5、1、2）三种比例，这样能够得到一共9种尺度的anchor。
因此，在对60*40的map进行滑窗时，以中心像素为基点构造9种anchor映射到原来的1000*600图像中，映射比例为16倍。那么总共可以得到60*40*9大约2万个anchor；
3、每个anchor经过回归后对应到原图，然后再对应到feature map经过roi pooling后输出7*7的大小的map；
4、最后对这个7*7的map进行分类和回归。
Roi pooling层详解：
Roi pooling层也是pooling层的一种，只是是针对于Rois的pooling操作而已。
Roi pooling层的过程就是为了将proposal抠出来的过程，然后resize到统一的大小。
Roi pooling层的操作如下：
1、根据输入的image，将Roi映射到feature map对应的位置；
2、将映射后的区域划分为相同大小的sections（sections数量和输出的维度相同）；
3、对每个section进行max pooling操作；
（参考：https://blog.csdn.net/auto1993/article/details/78514071）