轉自 https://blog.csdn.net/gbyy42299/article/details/80352418
Faster rcnn的整體構架：
訓練的大致過程：
1、圖片先縮放到MxN的尺寸，之后進入vgg16后得到（W/16，H/16）大小的feature map；
2、對於得到的大小為（W/16，H/16）的feature map上的每一個位置，都生成三種比例、三種（rotio、scale）尺度的anchors，Anchor即給出一個基准窗大小，按照倍數和長寬比例得到不同大小的窗。例如論文中基准窗大小為16，給了（8、16、32）三種倍數和（0.5、1、2）三種比例，這樣能夠得到一共9種尺度的anchor。
因此，在對60*40的map進行滑窗時，以中心像素為基點構造9種anchor映射到原來的1000*600圖像中，映射比例為16倍。那么總共可以得到60*40*9大約2萬個anchor；
3、每個anchor經過回歸后對應到原圖，然后再對應到feature map經過roi pooling后輸出7*7的大小的map；
4、最后對這個7*7的map進行分類和回歸。
Roi pooling層詳解：
Roi pooling層也是pooling層的一種，只是是針對於Rois的pooling操作而已。
Roi pooling層的過程就是為了將proposal摳出來的過程，然后resize到統一的大小。
Roi pooling層的操作如下：
1、根據輸入的image，將Roi映射到feature map對應的位置；
2、將映射后的區域划分為相同大小的sections（sections數量和輸出的維度相同）；
3、對每個section進行max pooling操作；