本内容作者仅授权给CaffeCN社区（caffecn.cn）使用，如需转载请附上内容来源说明。 R-CNN对目标进行检测实际上是先提取Region Proposal,然后对每个Region Proposal当成一张图进行特征提取和分类，这样对于一张图首先提取2k-3k个窗口，然后对每个窗口执行相同的操作是非常耗时的。SPP-NET的提出很好的解决了这个问题，我们只需要对测试图像提取一次特征，然后将原图Region Proposal所在位置映射到Feature Map相应区域即可，这样大大提高了检测效率。Fast R-CNN 结合SPP-NET的思路，设计了简化的SPP-NET——ROI层。具体的映射原理可以看下边图中的实例。
原图是605x1060的图像，其中一个region proposal为r1，这两个图是根据Fast R-CNN跑的结果，使用的是CaffeNet（所以最后Region Proposal全部映射成6x6的feature map），结合roi_pooling_layer.cpp源代码应该不难理解。
71
72
 

    好多同学问过这个问题，一直没时间整理，下面是我对Bounding-box regression的理解，图片可能不是很清晰,附件是pdf文件，可以下载查看.
132

131

130

135

134

133
 

xing wang在github上给出了他的caffe实现

估计你用的cuda版本是8.0，用cuda7.5是可以编译的。如果硬要cuda8.0的话，你可以尝试找到json_parser_read.hpp这个头文件（好像解析json文件会用到），然后把escape这一部分注释掉，就可以顺利编译了。

原因已经找到，当时因为gpu显存不足，batch_size改为8，恢复原来的值就好了。

问题已解决：问题原因是xml文件格式问题！

prior box的数目是根据特征图大小和在特征图中每个点生成多少​prior box决定的，比如conv4_3层，尺寸38*38，每个点生成3个​prior box，则最终共生成38*38*3个​prior box。这边3是人工指定的，其他层都是6个。