这一节，我们写一写faster-RCNN.
在上一节中，我们看到，fast-rcnn还是需要有个region proposal的生成过程，这个很不OK。尤其是对处女座来说，很不友好。那么faster-rcnn就是为了解决这个问题而存在的。既然CNN那么牛，既然可以用大把的参数来解决问题，为什么还要做乱七八糟的额外处理呢。归根结底还是对神经网络的不了解。不多说，上内容。
第一部分 faster-rcnn原理
先上图，就用原文中的图吧。
相比于fast-rcnn, faster-rcnn最大的特点是去掉了额外的候选区域的生成算法。从输入到输出全部集成到神经网络中，这个就是传说中的RPN。哎呀，看着都舒服，强迫症治愈。
现在我画一张自己的理解图。
第二部分 faster-rcnn关键步骤说明
在第一部分的图2中，我们已经介绍了整个的faster-rcnn.现在对图中几个关键的地方做说明。
（1）为什么是n*5?n是总的ground truth box， 5表示box的位置、尺寸和类别组成的向量的个数。（x,y,w,h,cls）
（2）为什么是38*57*512？表示经过CNN网络之后单幅图像生成的特征图。
（3）为什么是19494*4？在生成anchor box的时候，对38*57图中的每个像素点，均生成9个anchor box，这9个anchor box的构成如下图所示。4表示anchor box的坐标和尺度构成的向量，（x,y,w,h）
（4）2000/300*5是指在train阶段，经过极大值抑制后（去除2000个boxes中那些重合度较高的box），会保留大概2000个boxes，而在测试的时候，大概有300个boxes.每个box包含位置、尺寸和类别信息。
（5）256*5？第四步的boxes经过sample，得到大概256个.（只取一部分。）
（6）256*7*7*512？7*7*512是指经过一系列的变换后，将每个候选区的特征图转为7*7*512大小，而总共有256个box用于预测。
（7）256C，256*4C？256C表示所属的类别，而256*4C表示每个类别的bounding box。
（8）38*57*（9*2），（9*4）？表示经过RPN网络之后，（9*20）表示前景还是背景，（9*4）表示box的坐标和尺寸。再迭代的时候，背景是不参与迭代的，因为没有目标存在。
在图2中还有一个大大的红色的框框，这个框框表示在实际使用的时候的流程。
我想，图2可以很明白的看出faster-rcnn是怎么工作的。只需要结合具体的代码，再理解一下就行。
下一节我们写一写SSD
本文已同步至公众号，方便交流。欢迎订阅。
