对Region Proposal Network，RPN的理解

RPN的网络结构
    从共享卷积特征图（若使用ZF，则为第五个卷积层，13*13）以卷积的方式（窗口大小为3*3）获得256维的特征向量，一共12*12个，每一个对应原图上171*171像素大小的区域。每一个256维的向量分别被送入两个全连接层，目标框回归层和目标分类层。
    RPN引入Anchor机制。在共享卷积特征图的每一个滑窗位置有k个原图上的候选矩形区域，用于训练全连接层的不同回归模型。因此矩形框回归层有4k个输出，表达k个矩形的坐标，目标分类层有2k个输出，表达k个候选区是目标以及不是目标的概率。每个滑窗位置候选矩形区形状有9种，128*128，256*256，512*512三种面积大小，以及1:1，1:2，2:1三种长宽比。可以覆盖原图上各个位置，各个大小的目标。