# 参考框、候选框与最终检测框
[独立阅读](/course/blocks/rpn-three-boxes.html)**课堂上下文：从哪个问题来**
按“参考框→RPN 候选→最终框”给图中的矩形分配身份，并把人工真值单独留在监督侧。RPN 让候选变为可学习预测。LAB10 采用共享原理的一阶段教学变体，不应把它说成原版 Faster R-CNN。


RPN 在共享特征图上铺一组参考框。参考框由网格位置、预设尺度和长宽比决定；它们在看图之前就可生成，不能当成检测结果。网络为每个参考框输出物体性分数和四个偏移，经解码、筛选后形成 proposals，再交给区域头作更具体的类别判断和位置修正。



因此画面中的三个矩形有不同身份：anchor 是几何起点，proposal 是 RPN 的预测，最终 box 是整个检测流程交付的结果。训练真值是第四种对象，它负责给预测规定目标，并不在推理时送进模型告诉它答案。



同一张 F 可同时供 RPN 与后级区域头使用。它把“在哪里值得再看”从外部算法变成从图像特征学习的任务。这是 Faster R-CNN 与 Fast R-CNN 相比发生改变的具体一段，不能只记一个更快的名字。



LAB10 采用单层锚框直接分类与回归的一阶段教学检测器，不是原版两阶段 RPN。它与本页共享锚框、匹配、位置损失等原理，保留了可运行的学习闭环；读实验时应辨明哪些流程共用、哪些结构不同。



图内标签与数值：Lecture 03 课堂图解 P32；共享 F；RPN；前景分数 + 框偏移；区域读出；分类 + 最终框修正；候选框 → 供后级使用；参考框；参考几何 → 预测候选 → 最终检测框

从 reference 到 proposal，再到最终 detection；真值只用于训练和评价。 查看对应图解状态

- 共享 F
- RPN
- 前景分数 + 框偏移
- 区域读出
- 分类 + 最终框修正
- 候选框 → 供后级使用
- 参考框
- 参考几何 → 预测候选 → 最终检测框从 reference 到 proposal，再到最终 detection；真值只用于训练和评价。 [查看对应图解状态](/#/l3-r2-p32/1)[查看完整图解](/#/l3-r2-p32/1)
**出处：**[Faster R-CNN 原论文](https://arxiv.org/abs/1506.01497) · [D2L §14.7 TinySSD](https://d2l.ai/chapter_computer-vision/ssd.html)
## 继续阅读与实验