理解Anchor、RPN真值与预测量、RPN卷积网络

RPN部分的输入、输出如下：

输入：feature map、物体标签、即训练集中所有物体的类别与边框位置
输出：Proposal、分类Loss、回归Loss，其中，Proposal作为生成区域，供后续模块分类与回归。两部分损失用作优化网络

理解Anchor

Anchor本质是在原图大小上的一系列的矩形框，但Faster RCNN将这一系列的矩形框和feature map进行了关联。具体做法是，首先对feature map进行3×3的卷及操作，得到每一个点的维度时512维，这512维的数据对应着原始图片上很多不同的大小与宽高区域的特征，这些区域的中心点都相同。如果下采样率为默认的16，则每一个点的坐标乘以16即可得到对应的原图坐标
为适应不同物体的大小与宽高，在作者的论文中，默认在每一个点上抽取了9种Anchors，具体Scale为{8,16,32}，Ratio为{0.5,1,2}，将这9种Anchors的大小反算到原图上，即得到不同的Proposal，如下图所示。由于feature map大小为37×50，因此一共有37×50×9=16650个Anchors。而后通过分类网络与回归网络得到每一个Anchor的前景背景概率和偏移量，前景背景概率用来判断Anchor是前景的概率，回归网络则是将预测偏移量作用到Anchor上使得Anchor更接近于真实物体坐标

RPN的真值与预测量

对于物体检测任务来讲，模型需要预测每一个物体的类别及其出现的位置，即类别、中心点坐标x与y、宽w与高h这5个量。由于有个Anchor这个先验框，RPN可以预测Anchor的类别作为预测边框的类别，并且可以预测真实的边框相对于Anchor的偏移量，而不是直接预测表框的中心点坐标x与y、宽高w与h
举个例子，如下图所示，输入图像中有3个Anchors与两个标签，从位置来看，Anchor A、C分别和标签M、N有一定重叠，而Anchor B位置更像是背景

首先介绍模型的真值。对于类别的真值，由于RPN只负责区域生成，保证recall，而没必要细分每一个区域属于哪一个类别，因此只需要前景与背景两个类别，前景即有物体，背景则没有物体
RPN通过计算Anchor与标签的IoU来判断一个Anchor是属于前景还是背景。IoU的含义是两个框的公共部分占所有部分的比例，即重合比例。在上图中，Anchor A与标签M的IoU计算公式如下所示

当IoU大于一定值时，该Anchor的真值为前景，低于一定值时，该Anchor的真值为背景
然后是偏移量的真值，仍以Anchor与标签M为例，假设Anchor A的中心坐标为x_a与y_a，宽和高分别为w_a与h_a，标签M的中心坐标为x与y，宽高分别为w与h，则对应偏移真值计算公式如下式：

位置偏移t_x与t_y利用宽与高进行了归一化，而宽高偏移t_w与t_h进行了对数处理，这样的好处是进一步限制了偏移量的范围，便于预测
有了上述真值，为了求取损失，RPN通过卷积网络分别得到了类别与偏移量的预测值，具体来讲，RPN需要预测每一个Anchor属于前景与背景的概率，同时也需要预测真实物体相对于Anchor的偏移量，记为t*_x、t*_y、t*_w和t*_h
另外，在得到预测偏移量后，可以使用下面的公式将预测偏移量作用到对应的Anchor上，得到预测框的实际位置x*、y*、w和h

如果没有Anchor，做物体检测需要直接预测每个框的坐标，由于框的坐标变化幅度大，使网络很难收敛与准确预测，而Anchor相当于提供了一个先验的阶梯，使得模型取预测Anchor的偏移量，即可更好地接近真实物体
实际上，Anchor是我们想要预测属性的先验参考值，并不局限于矩形框。如果需要，我们也可以增加其它类型的先验，如多边形框、角度和速度等

RPN卷积网络

为了实现上述的预测，PRN搭建了如下图所示的网络结构。具体实现时，在feature map上首先使用3×3的卷积进行更深的特征提取，然后利用1×1卷积分别实现分类网络和回归网络

在物体检测中，通常我们将有物体的位置称为前景，没有物体的位置称为背景。在分类网络分支中，首先使用1×1卷积输出18×37×50的特征，由于每个点默认有9个Anchors，并且每个Anchor只预测其属于前景还是背景，因此通道数为18。然后利用torch.view()函数将特征映射到2×333×75，这样第一维仅仅是一个Anchor的前景背景得分，并送到Softmax函数中进行概率计算，得到的特征再变换到18×37×50的维度，最终输出的是每个Anchor属于前景与背景的概率
在回归分支中，利用1×1卷积输出36×37×50的特征数，第一维的36包含了9个Anchors的预测，每一个Anchor有4个数据，分别代表了每一个Anchor的中心点横纵坐标及宽高这4个量相对于真值的偏移量