RPN中的anchor机制

1. Faster R-CNN

Faster R-CNN是一种端到端的多任务卷积神经网络，能够同时完成目标检测和类型识别的任务。它由a）主干网络，b）建议区域网络（RPN ：Region Proposal Network），和c）分类与回归网络三部分组成。其中主干网络是特征提取器，它提取出的图像特征，被RPN网络，分类与回归网络共享。RPN通过边界坐标回归和二分类双分支结构，初步找出包含目标的前景区域。分类与回归网络对包含目标的特征区域进行精细处理，输出目标的坐标信息和类别标签。Faster R-CNN的网络结构如图1所示：

图1

1.1 RPN

RPN网络对主干网络输出的feature map进行处理，产生多个可能含有目标的建议区域。它由两个卷积分支构成，其中一个分支通过对坐标的回归，定位目标在图片中的大概位置，另一个分支通过二分类处理，找出包含目标的前景区域。RPN的网络结构如图2所示：

图2

RPN的输入特征图就是图1中由主干网络提取的Feature Maps，也称共享Feature Maps，其尺度为H（高）× W（宽）×