文章只是粗浅理解，并不详细，可能有不准确的地方，敬请指正

0. 概述

RPN， Reigion Proposal Network， 中文名称为候选区域提取网络，最早在faster RCNN一文中提出，用于提取目标候选框。

1. 产生动机

RCNN系列的三篇文章都是two-stage目标检测方法，将目标的检测和识别分开来做，也就是说先找到哪些区域可能存在目标，然后在将这个框送进目标识别网络。在faster RCNN的前作，RCNN和fast RCNN网络中，使用的SS（Selective Search）方法，该方法计算量巨大，基本上2秒才能处理一幅图像，缺点太大。因此针对这一问题，faster RCNN作者在文中提出了RPN网络来代替SS算法，将速度提升了将近10倍。

2. 网络结构

RPN网络还是要结合faster RCNN来说，faster RCNN的网络结构如下：

faster RCNN网络分为三个部分：
1、用于提取特征的CNN网络，也就是backbone；
2、用于提取候选框的RPN网络；
3、用于目标识别的识别网络。

在feature map进入RPN网络后，会首先经过一个$3\times 3$的卷积层，然后分别经过两路$1\times 1$的卷积层，上边一路输出的是候选框的置信度，即该框有目标的置信度；下边的框输出的是候选框的位置信息。

为了获取proposal（候选框），在最后共享的卷积层输出的卷积特征图上滑动一个小的网络，也就是那个$3\times 3$的卷积层，每个位置会生成 $k$ 个proposal，在论文里边 $k=9$，也就是说如果feature map的尺寸是 $M\times N$，那么会生成 $M\times N\times k$ 个proposal。

对于分类网络的输出，输出尺寸为 $M\times N\times k\times 2$， 为什么每个框输出两个类别呢，可以看到分类网络里边有一个softmax层，这是一个二分类网络
对于回归网络的输出，每个proposal输出4个位置数据，于是输出的尺寸为$M\times N\times k\times 4$

3. 训练方法

RPN网络是一个神经网络，他需要进行训练才能达到我们预期的效果。在训练的时候，我们会给予RPN提取出的proposals标签。

1. 对以下两种情况的proposals，给于positive标签：

• 与groundtruth有最大的IOU交并比（可能不足0.7）；
• 与某个groundtruth的交并比大于0.7。

2. 如果与任意groundtruth交并比小于0.3，则为负标签，即该proposal是背景；
3. 交并比大于0.3，但小于0.7，忽略，不纳入损失函数计算。

4. 推理使用

在网络进行推理的时候，RPN网络生成的这些proposals，数量是庞大的，而且重复性非常高，如果把这些框全都塞进目标识别网路，时长一定会感动你的… 所以要对这些框进行筛选。

剔除步骤：
1、 将初步确定的proposal映射回原图，判断初步确定的proposal是否大范围超过边界，剔除严重超出边界的proposal；
2、将proposals按照分类得分排序，选取前2000个分数最大的框；
3、最后对剩下的proposals进行NMS计算