http://blog.csdn.net/happyflyy/article/details/54917514
注意：整个RPN完全是笔者自己的理解，可能会有一些理解错误的地方。
1. RPN简介
RPN是regional proposal networks的缩写，是faster-RCNN结构中的一部分。faster-RCNN由两个子网络构成。第一个子网络RPN的作用是在给定图像上提取一定数量带有objectness(是否包含目标的置信度)。第二个子网络直接利用fast-rcnn中的特征提取网络，用RPN获得的proposal替代fast-RCNN中selective search获取的proposal。
2. RPN的结构
RPN的原理图如下图所示。
RPN的结构是在已有的网路结构（例如VGG）的最后一层上添加如下图的新层。以VGG为例，下图中每部分的具体结构为：
1. conv feature map：在VGG的conv5_3后新添加的一个512@3x3的卷基层。
2. k anchor boxes：在每个sliding window的点上的初始化的参考区域。每个sliding window的点上取得anchor boxes都一样。只要知道sliding window的点的坐标，就可以计算出每个anchor box的具体坐标。faster-RCNN中k=9，先确定一个base anchor，大小为16×16，保持面积不变使其长宽比为(0.5,1,2)，再对这三个不同长宽比的anchor放大(8,16,32)三个尺度，一共得到9个anchors。
3. intermediate layer：作者代码中并没有这个输出256d特征的中间层，直接通过1×1的卷积获得2k scores和4k cordinates。作者在文中解释为用全卷积方式替代全连接。
4. 2k scores：对于每个anchor，用了softmax layer的方式，会或得两个置信度。作者在文中说也可以用sigmoid方式获得一维是正例的置信度。
5. 4k cordinates：每个窗口的坐标。这个坐标并不是anchor的绝对坐标，而是通过anchor回归groundtruth的位置所需要的偏差（会在下一节具体介绍）。
对于一幅大小为600×800的图像，通过VGG之后，conv5_3的大小为38×50，则总的anchor的个数为38×50×9。
3. 通过代码理解RPN
运行代码环境：Ubuntu14.04，MatlabR2016a。
1 准备
假设已经安装好caffe所需要的依赖库，faster-RCNN中有caffe的matlab接口，所以不需要安装编译caffe。以PASCAL VOC0712为例：
Step1: 下载faster-RCNN的源代码并解压。下载地址为https://github.com/ShaoqingRen/faster_rcnn。假设解压之后路径为$FASTERRCNN/。
Step2：下载VOC07和VOC12并解压到任意文件夹（最好解压到$FASTERRCNN/datasets/）。
Step3：下载网络模型文件以及预训练的VGG，解压后拷贝到$FASTERRCNN/。下载地址为https://pan.baidu.com/s/1mgzSnI4。
Step4：在shell中进入$FASTERRCNN/并运行matlab。
2 faster-RCNN的文件结构
经过上面的准备之后，matlab中faster-RCNN的文件结构如下图所示： 
./bin：./functions/nms中非极大值抑制（NMS）的c代码mex之后的文件
./datasets：VOC数据集的存放路径
./experimenet：训练或者测试的入口函数
./external：caffe的matlab接口。只需安装好caffe的依赖库，并不需要编译caffe源文件。
./fetch_date：下载数据集，预训练模型等文件的函数
./functions：训练数据处理相关的函数
./imdb：将VOC数据读入到imdb格式
./models：基网络(如VGG)的预训练模型；fast-RCNN，RPN网络结构prototxt及求解相关的参数prototxt文件
./utils：一些其它常用的函数
注意：./test是笔者在运行测试demo时临时存放的一些测试图像，和faster-RCNN并没有什么关系。
3 训练过程
采用VGG和VOC0712，其对应的训练文件为$FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m。由于只理解RPN部分，所以只需要详细了解这个m文件的前一小部分。
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
% model
model = Model.VGG16_for_Faster_RCNN_VOC0712;
% cache base
cache_base_proposal = \'faster_rcnn_VOC0712_vgg_16layers\';
cache_base_fast_rcnn = \'\';
% train/test data
dataset = [];
use_flipped = true;
dataset = Dataset.voc0712_trainval(dataset, \'train\', use_flipped);
dataset = Dataset.voc2007_test(dataset, \'test\', false);
%% -------------------- TRAIN --------------------
% conf
conf_proposal = proposal_config(\'image_means\', model.mean_image, \'feat_stride\', model.feat_stride);
conf_fast_rcnn = fast_rcnn_config(\'image_means\', model.mean_image);
% set cache folder for each stage
model = Faster_RCNN_Train.set_cache_folder(cache_base_proposal, cache_base_fast_rcnn, model);
% generate anchors and pre-calculate output size of rpn network
[conf_proposal.anchors, conf_proposal.output_width_map, conf_proposal.output_height_map] ...
= proposal_prepare_anchors(conf_proposal, model.stage1_rpn.cache_name, model.stage1_rpn.test_net_def_file);
%% stage one proposal
fprintf(\'\n***************\nstage one proposal \n***************\n\');
% train
model.stage1_rpn = Faster_RCNN_Train.do_proposal_train(conf_proposal, dataset, model.stage1_rpn, opts.do_val);1参数配置阶段
RPN一共配置了三个参数model，dataset，conf_proposal。conf_fast_rcnn是fast-RCNN的参数。
1 model参数：
指定了RPN和fast-RCNN两个阶段所需要的网络结构配置文件prototxt的路径。通过第一阶段的RPN熟悉其具体过程。
指定了VGG pre-trained模型及图像均值的路径。
参数model的配置：
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
% model
model = Model.VGG16_for_Faster_RCNN_VOC0712;```
具体配置程序为下面的代码片段，只关注RPN第一阶段相关的代码。首先指定了基网络(VGG)预训练模型和图像均值文件路径；然后指定了RPN相关prototxt文件路径；最后设置了RPN测试参数。
% code from $FASTERRCNN/experiments/+Model/VGG16_for_faster_RCNN_VOC0712.m
%
% 基网络(VGG)预训练模型和图像均值文件路径
model.mean_image = fullfile(pwd, \'models\', \'pre_trained_models\', \'vgg_16layers\', \'mean_image\');
model.pre_trained_net_file = fullfile(pwd, \'models\', \'pre_trained_models\', \'vgg_16layers\', \'vgg16.caffemodel\');
% Stride in input image pixels at the last conv layer
model.feat_stride = 16;
% RPN相关prototxt文件路径
%% stage 1 rpn, inited from pre-trained network
model.stage1_rpn.solver_def_file = fullfile(pwd, \'models\', \'rpn_prototxts\', \'vgg_16layers_conv3_1\', \'solver_60k80k.prototxt\');
model.stage1_rpn.test_net_def_file = fullfile(pwd, \'models\', \'rpn_prototxts\', \'vgg_16layers_conv3_1\', \'test.prototxt\');
model.stage1_rpn.init_net_file = model.pre_trained_net_file;
% RPN测试参数
% rpn test setting
model.stage1_rpn.nms.per_nms_topN = -1;
model.stage1_rpn.nms.nms_overlap_thres = 0.7;
model.stage1_rpn.nms.after_nms_topN = 2000;2 dataset参数：
修改数据集路径
如果VOC数据没有解压在$FASTERRCNN/datasets/文件夹中，更改 $ FASTERRCNN/experiments/+Dataset/private/voc2007_devkit.m和$FASTERRCNN/experiments/+Dataset/private/voc2012_devkit.m 中的路径为VOC数据集的解压路径。
% code from `$FASTERRCNN/experiments/+Dataset/private/voc2007_devkit.m`
%
function path = voc2007_devkit()
path = \'./datasets/VOCdevkit2007\';
end
% code from `$FASTERRCNN/experiments/+Dataset/private/voc2012_devkit.m`
%
function path = voc2012_devkit()
path = \'./datasets/VOCdevkit2012\';
end
dataset参数
参数dataset的配置：
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
% train/test data
dataset = [];
use_flipped = true;
dataset = Dataset.voc0712_trainval(dataset, \'train\', use_flipped);
dataset = Dataset.voc2007_test(dataset, \'test\', false);
具体实现数据集读取的文件为 $FASTERRCNN/experiments/+Dataset/voc0712_trainval.m和$FASTERRCNN/experiments/+Dataset/voc0712_test。首先获得数据集存储路径；然后将数据读入到imdb和roidb文件。
% code from $FASTERRCNN/experiments/+Dataset/voc0712_trainval.m
%
% 获得数据集存储路径
devkit2007 = voc2007_devkit();
devkit2012 = voc2012_devkit();
% 将数据读入到imdb和roidb文件
switch usage
case {\'train\'}
dataset.imdb_train = { imdb_from_voc(devkit2007, \'trainval\', \'2007\', use_flip), ...
imdb_from_voc(devkit2012, \'trainval\', \'2012\', use_flip)};
dataset.roidb_train = cellfun(@(x) x.roidb_func(x), dataset.imdb_train, \'UniformOutput\', false);
case {\'test\'}
error(\'only supports one source test currently\');
otherwise
error(\'usage = \'\'train\'\' or \'\'test\'\'\');
endimdb文件是一个matlab的表结构，表的每一行是一幅图像，分别包含如下信息：图像的路径，编号，大小，groundtruth（位置及类标）等。
3 conf_proposal参数：
只关注RPN的conf_proposal
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
% conf
conf_proposal = proposal_config(\'image_means\', model.mean_image, \'feat_stride\', model.feat_stride);
RPN所需要的参数。其中值得注意的参数有
batch_size：[256]每幅图像中筛选使用的bg样本和fg样本的总个数
fg_fraction：[0.5]batch_size中fg样本的比例，如果fg样本个数不足，则添加bg样本
drop_boxes_runoff_image：[1]在训练阶段是否去掉超出图像边界的anchors
bg_thresh_hi：[0.3]被看做反例样本的anchor与groundtruth的最大IoU
bg_thresh_lo：[0]被看做反例样本的anchor与groundtruth的最小IoU
fg_thresh：[0.7]被看做正例样本的anchor与groundtruth的最小IoU
ims_per_batch：[1]训练时每次输入的图像个数，当前只支持每次输入一幅图像
scale：[600]短边缩放后最小值
max_size：[1000]长边缩放后最大值
feat_stride：[16]VGG中conv5_3相比于输入图像缩小了16倍，也就是相邻两个点之间的stride=16
anchors：不同长宽比和尺度的9个基本anchors
output_width_map：输入图像的宽度和conv5_3宽度的对应关系
output_height_map：输入图像的高度和conv5_3高度的对应关系
bg_weight：[1]计算损失时每个反例样本的权值，正例样本权值全为1
image_means： 图像均值
具体配置文件为：
% code from $FASTERRCNN/functions/rpn/proposal_config.m
%
function conf = proposal_config(varargin)
% conf = proposal_config(varargin)
% --------------------------------------------------------
% Faster R-CNN
% Copyright (c) 2015, Shaoqing Ren
% Licensed under The MIT License [see LICENSE for details]
% --------------------------------------------------------
ip = inputParser;
%% training
ip.addParamValue(\'use_gpu\', gpuDeviceCount > 0, ...
@islogical);
% whether drop the anchors that has edges outside of the image boundary
ip.addParamValue(\'drop_boxes_runoff_image\', ...
true, @islogical);
% Image scales -- the short edge of input image
ip.addParamValue(\'scales\', 600, @ismatrix);
% Max pixel size of a scaled input image
ip.addParamValue(\'max_size\', 1000, @isscalar);
% Images per batch, only supports ims_per_batch = 1 currently
ip.addParamValue(\'ims_per_batch\', 1, @isscalar);
% Minibatch size
ip.addParamValue(\'batch_size\', 256, @isscalar);
% Fraction of minibatch that is foreground labeled (class > 0)
ip.addParamValue(\'fg_fraction\', 0.5, @isscalar);
% weight of background samples, when weight of foreground samples is
% 1.0
ip.addParamValue(\'bg_weight\', 1.0, @isscalar);
% Overlap threshold for a ROI to be considered foreground (if >= fg_thresh)
ip.addParamValue(\'fg_thresh\', 0.7, @isscalar);
% Overlap threshold for a ROI to be considered background (class = 0 if
% overlap in [bg_thresh_lo, bg_thresh_hi))
ip.addParamValue(\'bg_thresh_hi\', 0.3, @isscalar);
ip.addParamValue(\'bg_thresh_lo\', 0, @isscalar);
% mean image, in RGB order
ip.addParamValue(\'image_means\', 128, @ismatrix);
% Use horizontally-flipped images during training?
ip.addParamValue(\'use_flipped\', true, @islogical);
% Stride in input image pixels at ROI pooling level (network specific)
% 16 is true for {Alex,Caffe}Net, VGG_CNN_M_1024, and VGG16
ip.addParamValue(\'feat_stride\', 16, @isscalar);
% train proposal target only to labled ground-truths or also include
% other proposal results (selective search, etc.)
ip.addParamValue(\'target_only_gt\', true, @islogical);
% random seed
ip.addParamValue(\'rng_seed\', 6, @isscalar);
%% testing
ip.addParamValue(\'test_scales\', 600, @isscalar);
ip.addParamValue(\'test_max_size\', 1000, @isscalar);
ip.addParamValue(\'test_nms\', 0.3, @isscalar);
ip.addParamValue(\'test_binary\', false, @islogical);
ip.addParamValue(\'test_min_box_size\',16, @isscalar);
ip.addParamValue(\'test_drop_boxes_runoff_image\', ...
false, @islogical);
ip.parse(varargin{:});
conf = ip.Results;
assert(conf.ims_per_batch == 1, \'currently rpn only supports ims_per_batch == 1\');
% if image_means is a file, load it
if ischar(conf.image_means)
s = load(conf.image_means);
s_fieldnames = fieldnames(s);
assert(length(s_fieldnames) == 1);
conf.image_means = s.(s_fieldnames{1});
end
end
2 产生anchor
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
% generate anchors and pre-calculate output size of rpn network
[conf_proposal.anchors, conf_proposal.output_width_map, conf_proposal.output_height_map] ...
= proposal_prepare_anchors(conf_proposal, model.stage1_rpn.cache_name, model.stage1_rpn.test_net_def_file);
proposal_prepare_anchors函数分为两部分。首先产生输入图像大小和conv5_3大小的对应关系map；然后产生9个基本anchors。最后将output_width_map，output_height_map以及anchors存入conf_proposal参数中。
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
function [anchors, output_width_map, output_height_map] = proposal_prepare_anchors(conf, cache_name, test_net_def_file)
%产生输入图像大小和conv5_3大小的对应关系
[output_width_map, output_height_map] ...
= proposal_calc_output_size(conf, test_net_def_file);
%产生9个基本anchors
anchors = proposal_generate_anchors(cache_name, ...
\'scales\', 2.^[3:5]);
end
1 输入图像大小和conv5_3大小的对应关系
首先初始化RPN的测试网络；然后产生不同长宽的全零图像并进行前向传播；记录每个输入图像大小对应的conv5_3大小；重置caffe。
% code from $FASTERRCNN/functions/rpn/proposal_calc_output_size.m
%
% 初始化RPN的测试网络
caffe_net = caffe.Net(test_net_def_file, \'test\');
% set gpu/cpu
if conf.use_gpu
caffe.set_mode_gpu();
else
caffe.set_mode_cpu();
end
% 产生不同长宽的全零图像并进行前向传播
input = 100:conf.max_size;
output_w = nan(size(input));
output_h = nan(size(input));
for i = 1:length(input)
s = input(i);
im_blob = single(zeros(s, s, 3, 1));
net_inputs = {im_blob};
% Reshape net\'s input blobs
caffe_net.reshape_as_input(net_inputs);
caffe_net.forward(net_inputs);
% 记录每个输入图像大小对应的conv5_3大小
cls_score = caffe_net.blobs(\'proposal_cls_score\').get_data();
output_w(i) = size(cls_score, 1);
output_h(i) = size(cls_score, 2);
end
output_width_map = containers.Map(input, output_w);
output_height_map = containers.Map(input, output_h);
% 重置caffe
caffe.reset_all();
2 生成9个基准anchors
设置最基准的anchor大小为16×16；保持面积不变，利用该m文件中ratio_jitter生成三个长宽比(0.5,1,2)的anchors，如下图所示；通过该m文件中scale_jitter将不同长宽比的anchors放大到三个尺度(8,16,32)。一共生成9个anchors。 
% code from $FASTERRCNN/functions/rpn/proposal_generate_anchors.m
%
%% inputs
ip = inputParser;
ip.addRequired(\'cache_name\', @isstr);
% the size of the base anchor
ip.addParamValue(\'base_size\', 16, @isscalar);
% ratio list of anchors
ip.addParamValue(\'ratios\', [0.5, 1, 2], @ismatrix);
% scale list of anchors
ip.addParamValue(\'scales\', 2.^[3:5], @ismatrix);
ip.addParamValue(\'ignore_cache\', false, @islogical);
ip.parse(cache_name, varargin{:});
opts = ip.Results;
%%
if ~opts.ignore_cache
anchor_cache_dir = fullfile(pwd, \'output\', \'rpn_cachedir\', cache_name);
mkdir_if_missing(anchor_cache_dir);
anchor_cache_file = fullfile(anchor_cache_dir, \'anchors\');
end
try
ld = load(anchor_cache_file);
anchors = ld.anchors;
catch
% 设置最基准的anchor大小为$16\times16$
base_anchor = [1, 1, opts.base_size, opts.base_size];
% 保持面积不变，生成不同长宽比的anchors
ratio_anchors = ratio_jitter(base_anchor, opts.ratios);
% 在不同长宽比anchors的基础上进行尺度缩放
anchors = cellfun(@(x) scale_jitter(x, opts.scales), num2cell(ratio_anchors, 2), \'UniformOutput\', false);
anchors = cat(1, anchors{:});
if ~opts.ignore_cache
save(anchor_cache_file, \'anchors\');
end
end
3 训练阶段
所有参数设置完成后开始训练。
% code from $FASTERRCNN/experiments/script_faster_rcnn_VOC0712_VGG16.m
%
%% stage one proposal
fprintf(\'\n***************\nstage one proposal \n***************\n\');
% train
model.stage1_rpn = Faster_RCNN_Train.do_proposal_train(conf_proposal, dataset, model.stage1_rpn, opts.do_val);
do_proposal_train直接调用$FASTERRCNN/functions/rpn/proposal_train.m文件。
根据作者注释的流程，$FASTERRCNN/functions/rpn/proposal_train.m主要分为init， making tran/val data和Training三个阶段
1 init，初始化
初始化中主要设置缓存文件路径，读入caffe求解参数，读入caffe模型结构，读入预训练模型，初始化日志文件，设置GPU模式。
% code from `$FASTERRCNN/functions/rpn/proposal_train.m`
%
%% init
% init caffe solver
imdbs_name = cell2mat(cellfun(@(x) x.name, imdb_train, \'UniformOutput\', false));
cache_dir = fullfile(pwd, \'output\', \'rpn_cachedir\', opts.cache_name, imdbs_name);
mkdir_if_missing(cache_dir);
caffe_log_file_base = fullfile(cache_dir, \'caffe_log\');
caffe.init_log(caffe_log_file_base);
caffe_solver = caffe.Solver(opts.solver_def_file);
caffe_solver.net.copy_from(opts.net_file);
% init log
timestamp = datestr(datevec(now()), \'yyyymmdd_HHMMSS\');
mkdir_if_missing(fullfile(cache_dir, \'log\'));
log_file = fullfile(cache_dir, \'log\', [\'train_\', timestamp, \'.txt\']);
diary(log_file);
% set random seed
prev_rng = seed_rand(conf.rng_seed);
caffe.set_random_seed(conf.rng_seed);
% set gpu/cpu
if conf.use_gpu
caffe.set_mode_gpu();
else
caffe.set_mode_cpu();
end
disp(\'conf:\');
disp(conf);
disp(\'opts:\');
disp(opts);
2 making tran/val data，将bbs的数据转换为regression的数据
% code from `$FASTERRCNN/functions/rpn/proposal_train.m`
%
%% making tran/val data
fprintf(\'Preparing training data...\');
[image_roidb_train, bbox_means, bbox_stds]...
= proposal_prepare_image_roidb(conf, opts.imdb_train, opts.roidb_train);
fprintf(\'Done.\n\');
if opts.do_val
fprintf(\'Preparing validation data...\');
[image_roidb_val]...
= proposal_prepare_image_roidb(conf, opts.imdb_val, opts.roidb_val, bbox_means, bbox_stds);
fprintf(\'Done.\n\');proposal_prepare_image_roidb.m从imdb以及roidb中读入图像信息后，实现了：图像中bbx的groundtruth数据由[x1,y1,x2,y2]转换为[dx,dy,dw,dh]，由faster-RCNN论文中的公式(2)实现；然后对bg和fg样本进行筛选；最后计算转换后的[dx,dy,dw,dh]均值和方差。
Step1: 从imdb以及roidb中读入图像信息
% code from `$FASTERRCNN/functions/rpn/proposal_prepare_image_roidb.m`
%
imdbs = imdbs(:);
roidbs = roidbs(:);
if conf.target_only_gt
image_roidb = ...
cellfun(@(x, y) ... // @(imdbs, roidbs)
arrayfun(@(z) ... //@([1:length(x.image_ids)])
struct(\'image_path\', x.image_at(z), \'image_id\', x.image_ids{z}, \'im_size\', x.sizes(z, :), \'imdb_name\', x.name, \'num_classes\', x.num_classes, ...
\'boxes\', y.rois(z).boxes(y.rois(z).gt, :), \'class\', y.rois(z).class(y.rois(z).gt, :), \'image\', [], \'bbox_targets\', []), ...
[1:length(x.image_ids)]\', \'UniformOutput\', true),...
imdbs, roidbs, \'UniformOutput\', false);
else
image_roidb = ...
cellfun(@(x, y) ... // @(imdbs, roidbs)
arrayfun(@(z) ... //@([1:length(x.image_ids)])
struct(\'image_path\', x.image_at(z), \'image_id\', x.image_ids{z}, \'im_size\', x.sizes(z, :), \'imdb_name\', x.name, ...
\'boxes\', y.rois(z).boxes, \'class\', y.rois(z).class, \'image\', [], \'bbox_targets\', []), ...
[1:length(x.image_ids)]\', \'UniformOutput\', true),...
imdbs, roidbs, \'UniformOutput\', false);
end
image_roidb = cat(1, image_roidb{:});Step2: bbx的groundtruth转换
% code from `$FASTERRCNN/functions/rpn/proposal_prepare_image_roidb.m`
%
% enhance roidb to contain bounding-box regression targets
[image_roidb, bbox_means, bbox_stds] = append_bbox_regression_targets(conf, image_roidb, bbox_means, bbox_stds);
proposal_prepare_image_roidb.m，详细步骤为：
- 读入图像信息：将图像信息读入到image_roidb中。
- groundtruth数据转换：proposal_prepare_image_roidb.m中的append_bbox_regression_targets实现
- 获得所有anchors：通过proposal_locate_anchors.m获得图像的所有anchors以及图像需要缩放的比例
- 图像缩放比例：通过scale和max_size获得图像的缩放比例并记录缩放后图像大小
图像的最短边最小值为scale,最长边最大值为max_size
- **conv5_3特征层大小：**通过查表法获得缩放后图像对应的conv5_3的大小（output_width_map，output_height_map）
- **网格化：**按照`feat_stride`将conv5_3的大小打成网格
- **所有anchors:**在网格每个节点上放入9个基本`anchors`,并获得其坐标。
- **挑选样本：**`proposal_prepare_image_roidb.m`文件中的`compute_targets`实现正例样本和反例样本的选取
- **计算overlap**：所有anchors存入变量`ex_rois`，计算每个anchor和每个groundtruth的重叠率(IoU)
- **去掉超出范围的anchor**：将超出范围的anchor和groundtruth的重叠率置0.
- **筛选正例样本**：IoU最大的和IoU大于`fg_thresh`的anchor作为正例样本
- **筛选反例样本**：IoU介于`bg_thresh_hi`和`bg_thresh_lo`之间的作为反例样本
- **计算回归量**：通过文章中公式(2)计算每个正例样本的回归量`dx`，`dy`，`dw`，`dh`
- **新的groundtruth**：将正例样本的回归量作为正例样本的groundtruth（类标1），反例样本的回归量均设为0（类标-1）。
- **计算均值方差**：计所有正例样本的回归量的均值和方差，并且标准化（减去均值，除以方差）
3 Training，训练
Step1: 打乱训练数据顺序 proposal_train.m中的generate_random_minibatch函数实现对训练数据的打乱，并返回打乱后的第一幅图像的标号sub_db_inds。
Step2: 准备一个训练数据 proposal_generate_minibatch.m实现。
- 正反例样本选取及权重设置：proposal_generate_minibatch.m中的sample_rois选取样本并且设置权重
- fg_inds：正例样本序号，如果不到batch_size的fg_fraction倍，则用反例样本补足。
- bg_inds：反例样本序号，反例样本一般都比较多，需要进行随机选取。
- label：对每个正例样本label置1，反例样本label置0.
- label_weights：样本类别损失的权重。正例样本置1，反例样本置bg_weight。
- bbox_targets：进行数据转换后的正反例样本窗口位置
- bbox_loss_weights：样本位置损失的权重。正例为1，反例为0
- 整合RPN输入blob
- **RPN输入的im_blob：**im_blob
- **RPN输入的labels_blob：**labels_blob
- **RPN输入的label_weights_blob：**label_weights_blob
- **RPN输入的bbox_targets_blob：**bbox_targets_blob
- **RPN输入的bbox_loss_blob：**bbox_loss_blob
Step3: 迭代
