Lecture 03Faster R-CNN：让候选也由特征提出

Faster R-CNN：让候选也由特征提出

主线阅读与优先实验

同图四输出、共享计算、FCN、RoIAlign、信息碰撞与SAM接口

Faster R-CNN 的区域建议网络（RPN）在共享特征图上预测候选是否像对象，并调整候选框的位置。它把“值得进一步查看的区域”也变成可训练输出，再交给后续区域分类与框回归。Faster R-CNN

三步的变化可以这样读：逐区域重复抽特征 → 整图特征共享 → 在共享特征上学习提出候选。检测监督包含对象类别与框；已有分类权重提供起点，新的输出仍需学习。

到此停一下： 如果所有框都准确了，我们是否已经知道每一个杯子把手的像素边界？下面从另一个问题出发，不把 FCN 排成 Faster R-CNN 的下一版。