目标检测（三）——Two-Stage——Faster R-CNN

一、Faster R-CNN 改进的点：

（1）解决非端到端的问题；
（2）解决Selective Search拉低速度的问题；

所以整个Faster R-CNN 系统由两个模块组成：
第一个模块是提取候选区域的深度卷积网络
第二个模块是使用候选区域的Fast R-CNN检测

二、Faster R-CNN的测试流程：

（1）将图像输入到CNN中，生成feature map；
（2）RPN（Region Proposal Network，区域候选网络），代替Selective Search，用于生成候选框，将第一步生成的feature map输入到RPN中，接下来进行两个任务，一是分类：用于判断所有的anchor是属于目标还是背景（二分类问题），二是bounding box回归：得到候选框区域；

（3）ROI pooling，根据RPN输出的候选框区域，对于（1）中输出的feature map，分别选出对应的位置区域，对于每个位置区域采用SPP（金字塔池化层），生成统一尺寸，送入全连接层，进行下一阶段的分类与回归；
（4）分类：计算出相应的类别，回归：检测框的拟合；