Faster R-CNN 的骨干网络

Faster R-CNN (Region-based Convolutional Neural Networks) 是一种广泛应用于目标检测任务的深度学习模型。它的核心组成部分包括两部分：基础特征提取器（Backbone Network）和区域提议网络（Region Proposal Network, RPN）。

基础特征提取器通常是预训练的卷积神经网络（CNN），如VGG、ResNet、Inception或更先进的模型如ResNeXt或DenseNet。这些网络通过图像金字塔对输入图像进行多层卷积处理，生成一系列高层抽象特征图。这些特征图对于目标检测至关重要，因为它们捕捉了丰富的上下文信息和物体的全局特征。

RPN是一个附加的小型网络，它在其基础上生成候选的物体边界框（即region proposals）。这个过程是并行进行的，减少了后续步骤中对每一个像素都需要判断的需求，提高了整体效率。

Faster R-CNN结合了这两个模块：首先从特征图中通过RPN获取候选区域，然后每个候选区域都会馈送到一个共享的分类器和回归器，进一步确定其是否包含物体以及精确的位置。整个模型在一个端到端的学习过程中优化，使得网络能够同时进行区域选择和目标识别。