回答思路

faster rcnn是很经典的目标检测方法，需要熟练掌握，并且很多部分需要熟悉代码，如最基本的两个bbox的iou计算、nms等

损失函数由四部分组成：

RPN分类损失：anchor是否为gt，二类交叉熵损失

RPN位置回归损失：anchor位置微调，bbox的第一次修正

ROI分类损失：ROI所属类别，分类损失

ROI位置回归损失：继续对ROI位置微调，第二次对bbox的修正

最终的损失是四个损失相加

anchor生成：

首先，要先熟悉anchor概念：Anchor是以待检测位置为中心，以指定的大小和高宽比构成一组锚框。假设Feature Map的宽度为W，宽度为H，在每个待检测的位置生成的锚框数目为K，根据滑动窗口的方法，生成总的锚框的数量是W * H * K

每个锚点有三种尺寸（128,256,512）和三种长宽比（1:1,1:2,2:1），相互组合，就是每个锚点有9个锚框

扩展：实现生成anchor代码