简述RCNN系列：
RCNN通过SS算法挑选候选框，然后将这些候选框统一尺寸放入预训练的CNN中，最后通过全连接层提取固定维度的特征向量，将特征向量送入多个SVM分类器，用SVM进行分类（之所以不用softmax是因为微调时需要大量的负样本，如果使用softmax Map会变低，而SVM使用hard negative mining挑选负样本，更具代表性，可以通过负样本更好的修正位置），对分类结果中的每一类使用非极大值抑制的算法，去除重叠建议框，最后通过bounding box回归。
Fast RCNN 任意尺寸输入放进CNN网络中进行特征提取，在特征图上用SS搜索获取候选框（特征图映射原图），选取候选框后，将这些特征图输入ROI池化层（简单的SSP-Net，意思就是把特征图划分为规定的块数，每一个块输出一个值，最后输出固定大小的特征图）
然后输入进全连接层（SVD分解，提取的候选框数量有2k，每个候选框都要进入全连接层进行计算），输入进softmax（不用SVM是因为现在获得的特征向量不需要暂存磁盘）并进行bounding box 回归，通过NMS得到最终的回归框。回归函数smooth L1损失函数，对离群、异常点更鲁棒。
Faster RCNN 基本思想是Fast RCNN+RPN
任意尺寸输入共享卷积层进行特征提取，将此时的特征图分别输入RPG网络和之后的卷积层；输入RPN确定候选区域，而输入之后卷积层的特征图用于产生更高维度的特征图，将RPN网络的输出和高维度特征图相结合输入ROI池化层，处理后输入全连接层，使用softmax分类，bounding box回归。
RPN网络：RPN网络对于共享卷积层输出的特征图，首先在每个单元产生9个anchor，每个单元可以映射回原图像，对比ground truth，最后做分类损失和回归损失
（实际上是用3*3的滑动窗口，padding =2 stride=1，然后经过一个卷积层将每个窗口的9个anchor都编码成256维的向量，然后再经过一个卷积层输出2x9个分类得分（前景或背景），4x9个回归得分（平移缩放系数）,对得分区域做NMS，获得前N（300）的得分窗口作为候选区域。
RPN的优势：多维度更低、尺度多长宽比
RCNN
http://blog.csdn.net/wopawn/article/details/52133338
https://www.cnblogs.com/gongxijun/p/7071509.html
SSP-Net
http://blog.csdn.net/u011534057/article/details/51219959
Fast RCNN
http://blog.csdn.net/wopawn/article/details/52463853
Faster RCNN
http://blog.csdn.net/shenxiaolu1984/article/details/51152614
损失函数
为了训练RPN，我们给每个anchor分配一个二进制的标签（是不是目标）。我们分配正标签给两类anchor：（i）与某个ground truth（GT）包围盒有最高的IoU（Intersection-over-Union，交集并集之比）重叠的anchor（也许不到0.7），（ii）与任意GT包围盒有大于0.7的IoU交叠的anchor。注意到一个GT包围盒可能分配正标签给多个anchor。我们分配负标签给与所有GT包围盒的IoU比率都低于0.3的anchor。非正非负的anchor对训练目标没有任何作用。
有了这些定义，我们遵循Fast R-CNN[5]中的多任务损失，最小化目标函数。我们对一个图像的损失函数定义为
这里，i是一个mini-batch中anchor的索引，Pi是anchor i是目标的预测概率。如果anchor为正，GT标签Pi* 就是1，如果anchor为负，Pi* 就是0。ti是一个向量，表示预测的包围盒的4个参数化坐标，ti* 是与正anchor对应的GT包围盒的坐标向量。分类损失Lcls是两个类别（目标vs.非目标）的对数损失
Pi* Lreg这一项意味着只有正anchor（Pi* =1）才有回归损失，其他情况就没有（Pi* =0）。cls层和reg层的输出分别由{pi}和{ti}组成，这两项分别由Ncls和Nreg以及一个平衡权重λ归一化（早期实现及公开的代码中，λ=10，cls项的归一化值为mini-batch的大小，即Ncls=256，reg项的归一化值为anchor位置的数量，即Nreg~2,400，这样cls和reg项差不多是等权重的。
对于回归，我们学习[6]采用4个坐标：
x，y，w，h指的是包围盒中心的（x, y）坐标、宽、高。变量x，xa，x*分别指预测的包围盒、anchor的包围盒、GT的包围盒（对y，w，h也是一样）的x坐标。可以理解为从anchor包围盒到附近的GT包围盒的包围盒回归。