RPN在Faster-RCNN中是怎样运行的

【导读】Faster-RCNN是目标检测的一种算法，而RPN（Region Proposal Network）用于在特征图上产生候选预测区域。本文主要介绍RPN的运行机制。

第一步

输入图像通过卷积网络，在网络的最后一个卷积层上输出一组卷积特征图，如下图：

第二步

滑动窗口在这些特征图上滑动，滑动窗口的大小为NxN，这里是3x3。每个滑动窗口，都会生成一组9个锚框，它们都具有相同的中心

但有3种不同的ratio（长宽比）和3种不同的scale（比例），如下所示。注意，所有这些坐标都是相对于原始图像计算的。

此外，每个锚框都对应着一个p*，p*表示锚框（anchor box）与真实图片（baounding box）的重叠度。

其中，iou是交集占合集的比例，如下计算：

第三步

最后，从那些卷积特征图中提取的3×3空间特征（如上面红框中所示）被送到较小的网络，该网络具有两个任务：分类（cls）和回归（reg）。回归的输出确定预测的边界框（x，y，w，h），分类的输出是指示预测的框是否包含对象的概率p或者它来自背景（不包含对象）。

损失函数在两个子网的输出上定义，由两项相加，还有个平衡因子λ。

参考链接：

• https://www.quora.com/How-does-the-region-proposal-network-RPN-in-Faster-R-CNN-work

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！560+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程