区域建议网络（RPN）首先在faster rcnn中提出。
得到用来预测的feature map：图片在输入网络后，依次经过一系列卷积+ReLU得到的51×39×256维feature map，准备后续用来选取proposal。
生成Anchors：anchor是固定尺寸的bbox。具体作法是：把feature map每个点映射回原图的感受野的中心点当成一个基准点，然后围绕这个基准点选取k个不同的尺寸和比例的anchor。对于W×H大小的卷积feature map（通常为2400），总共有W×H×k个锚点。默认使用3个尺度和3个纵横比，在每个滑动位置上产生k=9个anchor。在feature map上的每个特征点预测多个region proposals。虽然anchors是基于卷积特征图定义的，但最终的 anchors是相对于原始图片的。
在RPN头部 ，通过以下结构生成 k个anchor。
针对每个 anchor，都有两个不同的输出：
一个是坐标（x，y，w，h）回归（regression）层reg layer，每个 anchor 输出 4 个预测值：Δxcenter,Δycenter,Δwidth,Δheight，即用于anchors来得到最终的proposals。
一个目标和背景的二分类（classification）层cls layer。每个anchor输出两个预测值：anchor是背景的score和anchor是目标的score。
关于正负样本的划分：
考察训练集中的每张图像（含有人工标定的gt box） 的所有anchor：
（1）对每个标定的gt box区域，与其重叠比例最大的anchor记为正样本，保证每个gt至少对应一个正样本anchor
（2）对（1）中剩余的anchor，如果其与某个标定区域重叠比例大于0.7，记为正样本（每个gt可能会对应多个正样本anchor。但每个正样本anchor只可能对应一个gt；如果其与任意一个标定的重叠比例都小于0.3，记为负样本。
x,y,w,h分别表示box的中心坐标和宽高，x,xa,x*分别表示predicted box, anchor box, and ground truth box （y,w,h同理）ti表示predict box相对于anchor box的偏移，ti*表示ground true box相对于anchor box的偏移，学习目标就是让前者接近后者的值。
在 RPN中部，分类分支（cls）和边框回归分支（bbox reg）分别对这堆anchor进行各种计算。在RPN末端，通过对两个分支的结果进行汇总，来实现对anchor的初步筛除（先剔除越界的anchor，再根据cls结果通过非极大值抑制（NMS）算法去重）和初步偏移（根据bbox reg结果），此时输出的都bbox改头换面叫 Proposal 了
非极大值抑制(Non-maximum suppression):
由于anchor一般是有重叠的overlap，因此，相同object的proposals也存在重叠。为了解决重叠proposal问题，采用NMS算法处理：两个proposal间IoU大于预设阈值，则丢弃score较低的proposal。
IoU阈值的预设需要谨慎处理，如果IoU值太小，可能丢失objects的一些 proposals；如果IoU值过大，可能会导致objects出现很多proposals。IoU典型值为0.6。
Proposal选择：
NMS处理后，根据sore对top N个proposals排序。在Faster R-CNN论文中 N=2000，其值也可以小一点，如50，仍然能的高好的结果。