In this work, we introduce a Region Proposal Network(RPN) that shares full-image convolutional features with the detection network, thus enabling nearly cost-free region proposals.
文章是將RPN和 R-CNN做一個共享和融合者吁，從而達到加速的目的厨姚。
整個文章最大的亮點就是RPN 與 R-CNN的統(tǒng)一化掉丽。
Region Proposal Networks
以圖片為輸入封孙，輸出一系列方框及對應的分數娃属，本文通過全卷積網絡實現
滑動窗口對應出一個更低維度的vector肚菠，分別給兩個網絡做輸入：box-regression layer( reg) 和 Box-Classification layer(cls)
Translation-Invariant Anchors
cls : 產生分數 是/不是 兩個分數
reg： 產生box的位置 每個框四個數值
A loss Function for Learning Region Proposals
提出了訓練中的loss函數罩旋，個別參數的意義
Optimization
bp算法+SGD（隨機梯度下降）+ mini-batch
闡述了初始化策略（大家都沒差）
learning rate 等各種超參數
Sharing convolutional features for region proposal and object detection
兩個網絡的卷積網絡部分分別做一定的修改（兩個網絡的訓練是獨立進行的）无虚，使得兩個網絡可以共享卷積層部分
Implementation Details
列舉出了各個部分具體的細節(jié)和參數
