RPN架构及其实现

RPN（Region Proposal Network）

• • • 引言

      • RPN架构
      • • RPN

    • Anchor 生成

    • Proposals 的选择

    • loss 的计算

    • FPN for RPN

    • • RPN网络对于正负样本的选择

    • FPN for Fast R-CNN

      • RPN架构及其Pytorch实现
      • • 基于RPN生成约20k个候选框

    • 约20k个候选框(1)：RPN

    • 约20k个候选框(2)：Fast R-CNN

    • RPN主体部分

    • RPN部分的损失函数

---

引言

鉴于

RPN架构

RPN

1. Anchor 的生成方式
2. 如何确定 anchor 作为候选区域
3. 损失函数的计算过程， 在进行损失函数计算之前，需要从 anchor 中筛选出正样本与负样本

事实上，RPN 本身即可作为目标检测的分类模块

Anchor生成技术研究

那么 proposal 是如何生成的呢？其生成过程依赖于 RPNHead 对 Anchor 的得分预测以及位置回归结果。Anchor 是在 feature_map 的每