罗斯·吉尔希克（Ross Girshick）在2014年提出的
与R_CNN相比，使用VGG16作为网络的骨干链，训练速度的速度快9倍，测试推理为213次，准确率从62％增加到66％
在2015年提议，互联网的骨干作为网络也被用作网络。
在特征矩阵上使用$ 3 IMES 3 $的滑动窗口，投影到原始地图，选择三个标准（$ 128^2，256^2，512^2 $），三个比例（$ 1：1，1：：2、2、2、1：2、1：2、1：2、1：2、1：2、1：2、1：2、1：2、1：2、1：2、2、1：2、2、2，2，1：2，2，1：2，1：2，2，2，2，2，2，2，2，2，2，2，1：2，1：2，2，2，2，2，1：2，2，2，1：：2，2，1：2.2：1 $）anhor，每个位置对应于原始地图上的9个锚
对于$ 1000 IMES 600 IMES 3 $的图像，大约有60美元的IMES 40 IMES 9 $锚点，忽略了横穿边界的锚点，约为6K锚。RPN生成的候选盒之间有很多重叠。基于候选框的CLS分数用于用非长度值抑制它。IOU设置为0.7，因此每个图像中只剩下2K候选框。
RPN多任务损失
火车