Faster R-CNN是作者Ross Girshick繼Fast R-CNN后的又一力作。同樣使用VGG16作推理速度在GPU上達到5fps(包括候選區域的生成)，準確率為網絡的backbone，也有進一步的提升。在2015年的ILSVRC以及COCO競賽中獲得多個項目的第一名。
算法流程
?右邊這部分和Fast-RCNN是一樣的
最后傳到目標分類器和邊界框回歸器
????????對于一張1000x600x3的圖像，大約有60x40x9(20k)個anchor，忽略跨越邊界的anchor以后，剩下約6k個anchor。對于RPN生成的候選框之間存在大量重疊，基于候選框的cls得分，采用非極大值抑制，IoU設為0.7，這樣每張圖片只剩2k個候選框。
? ? ? ? （anchor和proposal不是同一個東西，我們是利用RPN生成的邊界框回歸參數將anchor調整到候選框的。）
框架
R-CNN 對比
)
：invoke_result聲明函數的返回值類型)
