ale*_*.tu 6 image-processing object-detection deep-learning
在更快的 rcnn ( https://arxiv.org/abs/1506.01497 ) 中，
有两种方法可以训练网络。
一种方法是联合训练 rpn 和 fast rcnn。
另一种方法是以端到端的方式训练 rpn 和 fast rcnn。
但是作者表示，在端到端的训练中，结果只是近似于联合训练。
仅近似的原因是
该解决方案忽略了提案框坐标的导数，这些坐标也是网络响应，因此是近似的。
但是，根据网络定义（https://github.com/rbgirshick/py-faster-rcnn/blob/master/models/pascal_voc/VGG16/faster_rcnn_end2end/train.prototxt），rpn的边界框回归为每个更新训练迭代，所以它不会被忽略。
那么，为什么它忽略了提案框坐标的导数？这意味着什么？