faster-rcnn 物体检测（深度学习在物体检测的应用）

本文是2015年发表的物体检测的经典top论文。

本文思路：

1、目的得到feature maps。先通过conv层+pooling层+relu层，可以是vgg，得到feature maps。

2、目的得到精确的proposals，提议建议图？？，在feature maps上提取对应的图。在第一步基础上，先通过rpn生成region proposals。通过softmax判断anchors（9个框），是foreground还是background，再通过bounding box regression 进行修正是anchors，也就是进一步确定proposals。

3、目的是为了得到proposals feature maps，提取框的特征图，这一步是为了下面的分类做准备，也就是先得到框图在分类。这一步先通过上面得到的proposals，和roi pooling，提取proposals feature maps。

4、分类。用proposals feature maps和一开始的proposals判断类别。

下图是论文自带的检测架构图：

 

更细的如下：

由上图：

1、从最上，一个图片从由pq大小，变为mn大小，进入网络，经过13个conv，13个relu，4个pooling。得到feature m