【提特徵】

RPN網路前面是一個提特徵的網路，比如VGG,Res等，傳給RPN網路的是一個特徵圖，其實也就是一個tensor

比如用ZF網路（論文裡面用的）

輸出特徵圖：13*13*256

【RPN】

拿到模型的特徵，RPN網路首先加了一個3*3*256*256的卷積層（其實不是很清楚為什麼加，可能是為了擴大感受野）

這樣就會得到11*11*256的輸出，前面11*11是圖形矩陣，其中每一個點在原圖中都是一個很大的區域，256表示這個區域的特徵，具體的計算不再討論

厲害的一步來了，之後在這個卷積之後，各自接了兩個全連線層，一個輸出18，一個輸出36

這是為啥呢？

先看下面這個圖

上面我說的11*11，其中每一個點，也就是特徵圖上的每一個點其實在原圖中都是一塊很大的區域（不太清楚的再看看卷積），也就是上面的黑框，在這個區域內可能有目標，為了能更能逼近目標，我們需要3種尺度，和3種形狀。3*3=9，就是圖中的那9種物體框。假設原圖中有一個物體，那我們通過在原圖上平移黑框，就總能找到一個顏色框能正好把物體框在裡面（真是厲害這想法），而且尺度啊形狀最接近。

那麼如何平移的呢？在原圖上你一個畫素一個畫素平移沒意義啊，難道要重複提取特徵？所以平移必須在特徵圖上平移，因為特徵圖最後總能映射回原圖。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。

【如何訓練】

損失函式參考這篇文章，等我程式碼熟了直接上程式碼

https://blog.csdn.net/wfei101/article/details/77150573