从r-cnn到Mask R-CNN

faster rcnn的结构是怎样的呢？

http://blog.csdn.net/XZZPPP/article/details/51582810
1.fast rcnn结构

2.faster rcnn的卷积过程

3.rpn

RPN的核心思想是使用卷积神经网络直接产生region proposal，使用的方法本质上就是滑动窗口。RPN网络结构图如上所示（ZF模型:256维），假设给定600x1000的输入图像，经过卷积操作得到最后一层的卷积feature map（大小约为40x60），最后一层卷积层共有256个feature map。
在这个特征图上使用3x3的卷积核（滑动窗口）与特征图进行卷积，那么这个3x3的区域卷积后可以获得一个256维的特征向量。因为这个3x3的区域上，每一个特征图上得到一个1维向量，256个特性图即可得到256维特征向量。
3x3滑窗中心点位置，对应预测输入图像3种尺度（128,256,512），3种长宽比（1:1,1:2,2:1）的regionproposal，这种映射的机制称为anchor，产生了k=9个anchor。即每个3x3区域可以产生9个region proposal。所以对于这个40x60的feature map，总共有约20000(40x60x9)个anchor，也就是预测20000个region proposal。
后边接入到两个全连接层，即cls layer和reglayer分别用于分类和边框回归。clslayer包含2个元素，用于判别目标和非目标的估计概率。reglayer包含4个坐标元素（x,y,w,h），用于确定目标位置。cls：正样本，与真实区域重叠大于0.7，负样本，与真实区域重叠小于0.3。reg：返回区域位置。
最后根据region proposal得分高低，选取前300个region proposal，作为Fast R-CNN的输入进行目标检测。
4.训练4步阶段：
(1)使用在ImageNet上预训练的模型初始化RPN网络参数，微调RPN网络；
(2) 使用(1)中RPN网络提取region proposal训练Fast R-CNN网络，也用ImageNet上预训练的模型初始化该网络参数；（现在看来两个网络相对独立）
(3) 使用(2)的Fast R-CNN网络重新初始化RPN, 固定卷积层进行微调，微调RPN网络；
(4) 固定(2)中Fast R-CNN的卷积层，使用(3)中RPN提取的region proposal对Fast R-CNN网络进行微调。