Faster RCNN 简单来说，是将区域框的建议做成了一个可以训练的网络框架（RPN）。随后对RPN出来的结果来进行 Fast RCNN 的筛选。
RPN 网络如何做到建议框的推荐
首先，说到RPN框的推荐就不得不说，anchor box 一般来说，我个人理解相当于是一个区域覆盖。比如对于一个 800 * 600 的图片，对于 { 128128，256256， 512*512 } 【这个我理解成对原图的像素覆盖】，对应 { 1:2，1:1 ，2:1 } 的覆盖方式，总共会有 9 中的覆盖方式。好了，我们以原图中心为起始点去看这九种方式的覆盖面积：
我们可以看到，以中心点为起始，它的覆盖面积基本上涵盖了整张图片。那么起始我们知道，anchor box 起始是对于最后一层卷积出来后每一点都拥有这么9个覆盖方式。好了，到这里我们可以设想一下，（简化说，比喻不恰当）特征图是原图的一种另一个意义上的缩放。那么我们特征图最左上角一个点，那其实对应的是原图左上角的一片区域信息，根据这个 anchor box 的覆盖方式，我们以这篇区域信息为中心区域，就可以相当于覆盖了左上角一大片的区域信息，以此类推。这样每一个点都含有这9个 anchor box 那么在大概率上，我们其实已经覆盖了原图的所有的内容。
因为每一个点都会有 9个 anchor box，每一个点拥有 deep 深度的信息。所以这个 deep 深度信息需要转化成包涵这个点的 anchor box 是否含有目标信息（就是一个二分类问题），且这个点与 ground truth 之间的坐标位置信息就有 4 个偏移量。所以可以理解成如下： 一个点的 feature (deep 维度 设 K-d）
-- one point K-d → 2 * 9 （用于每个 anchor box 的分类）
-- one point K-d → 4 * 9（用于每个 anchor box 的回归）
训练方式：
Faster R-CNN的训练，是在已经训练好的model（如VGG_CNN_M_1024，VGG，ZF）的基础上继续进行训练。实际中训练过程分为6个步骤：
- 在已经训练好的model上，训练RPN网络，对应stage1_rpn_train.pt
- 利用步骤1中训练好的RPN网络，收集proposals，对应rpn_test.pt
- 第一次训练Fast RCNN网络，对应stage1_fast_rcnn_train.pt
- 第二训练RPN网络，对应stage2_rpn_train.pt
- 再次利用步骤4中训练好的RPN网络，收集proposals，对应rpn_test.pt
- 第二次训练Fast RCNN网络，对应stage2_fast_rcnn_train.p
总图如下：
开始说明分图训练：
这里先看一个总的框架图：
然后根据总的框架图，我遮挡一些内容，就可以看到各部的训练过程：
首先：
- RPN 网络的训练过程
- faster - rcnn 网络训练过程：
【参考资料】：
