区域提议网络（RPN）是一种用于目标检测的神经网络，用于生成可能包含目标的候选区域或边界框。它由任少卿、何恺明、罗斯·吉斯克和孙剑于2015年作为Faster R-CNN架构的一部分提出，该架构将区域提议生成与目标分类统一到一个端到端可训练的模型中。RPN取代了诸如选择性搜索等传统区域提议方法，显著提升了检测流程的速度和准确性。
RPN在骨干卷积网络（如VGG-16或ResNet）生成的特征图上运行。它在特征图上滑动一个小型网络，并在每个滑动窗口位置使用一组不同尺度和长宽比的锚框预测多个区域提议。输出包括目标性分数（指示区域是否包含目标）和精炼的边界框坐标。这些提议随后被传递给下游分类器和边界框回归器，以完成最终检测。
架构与机制
RPN是一个全卷积网络。它接收大小为H×W×C的输入特征图，并应用一个3×3卷积层，随后是两个并行的1×1卷积层：一个用于分类（目标 vs. 背景），另一个用于回归（边界框偏移）。在每个空间位置，网络处理k个锚框，其中k通常为9（三种尺度和三种长宽比）。分类层输出2k个分数，回归层输出4k个坐标。在训练期间，如果锚框与任何真实边界框的交并比（IoU）大于0.7，或与某个真实边界框具有最高IoU，则将其标记为正样本；IoU低于0.3的锚框标记为负样本。损失函数结合了用于分类的交叉熵损失和用于回归的平滑L1损失。
训练与Faster R-CNN的集成
在Faster R-CNN中，RPN与检测网络通过多任务损失联合训练。训练过程在优化RPN和优化Fast R-CNN检测器之间交替进行，也可以通过反向传播端到端完成。RPN与检测器共享卷积特征，从而减少了冗余计算。RPN生成的提议被输入到兴趣区域（RoI）池化层，该层为每个提议提取固定大小的特征图，随后通过全连接层进行分类和边界框精炼。这种设计使Faster R-CNN能够以接近实时的速度运行（在GPU上约5-17帧每秒），同时在PASCAL VOC和MS COCO等基准测试中达到最先进的精度。
影响与演进
自提出以来，RPN已成为许多目标检测架构的基础组件。它影响了后来的模型，如Mask R-CNN（用于实例分割）、FPN（特征金字塔网络，通过多尺度特征图增强RPN），以及RetinaNet等单阶段检测器，这些检测器采用了基于锚框的预测。锚框和区域提议生成的概念也被应用于其他领域，包括人工智能应用，如自动驾驶和医学影像。RPN以极低的计算开销生成高质量提议的能力，使其成为深度学习时代计算机视觉领域的一项关键创新。
局限性与替代方案
尽管取得了成功，RPN仍存在局限性。使用预定义的锚框需要仔细调整尺度和长宽比，这对于形状不寻常的目标可能不是最优的。基于锚框的方法还会生成大量提议，其中许多是冗余的，导致计算效率低下。为了解决这些问题，研究者提出了无锚框检测器，如CornerNet和CenterNet，它们直接预测关键点或中心点，而无需锚框。然而，RPN因其简单性和有效性仍被广泛使用，并继续作为许多现代检测框架中的标准组件。