Faster R-CNN是作者Ross Girshick继Fast R-CNN后的又一力作。同样使用VGG16作推理速度在GPU上达到5fps(包括候选区域的生成)，准确率为网络的backbone，也有进一步的提升。在2015年的ILSVRC以及COCO竞赛中获得多个项目的第一名。
算法流程
右边这部分和Fast-RCNN是一样的
最后传到目标分类器和边界框回归器
对于一张1000x600x3的图像，大约有60x40x9(20k)个anchor，忽略跨越边界的anchor以后，剩下约6k个anchor。对于RPN生成的候选框之间存在大量重叠，基于候选框的cls得分，采用非极大值抑制，IoU设为0.7，这样每张图片只剩2k个候选框。
（anchor和proposal不是同一个东西，我们是利用RPN生成的边界框回归参数将anchor调整到候选框的。）
框架
R-CNN 对比
