補充1：

在faster rcnn中，

Note：

• 只有在train時，cls+reg才能得到強監督資訊(來源於ground truth)。即ground truth會告訴cls+reg結構，哪些才是真的前景，從而引導cls+reg結構學得正確區分前後景的能力；在reference階段，就要靠cls+reg自力更生了。
• 在train階段，會輸出約2000個proposal，但只會抽取其中256個proposal來訓練RPN的cls+reg結構；到了reference階段，則直接輸出最高score的300個proposal。此時由於沒有了監督資訊，所有RPN並不知道這些proposal是否為前景，整個過程只是慣性地推送一波無tag的proposal給後面的Fast R-CNN。
• RPN的運用使得region proposal的額外開銷就只有一個兩層網路。

300個proposal由什麼分數決定的呢？這分數怎麼產生？

（所以。。。。以及，在其他的目標檢測演算法中，怎麼在測試階段通過非極大值抑止選出框呢？由於要先找出分值最高的那個，用剩下的和它去進行比較，所以這個分數最高的怎麼得到？）

補充2：

11*11的特徵圖區域，在原圖中就表示11*11個大黑框，每個大黑框裡面又有9個小顏色框，這樣就會產生11*11*9個不同位置，不同尺度，不同形狀的物體框，基本足夠框出所有物體了。

補充3：