2.4.4 欧拉区域提议

E-RPN根据输入的特征图，可以解析3D位置b_x和b_y、对象尺寸（宽度b_w和长度b_l）和概率p₀，类别得分为p₁，p₂，…，p_n，并确定其方向b_∅。为了获得正确的方向，可通过向其添加复杂的角度来修改常用的Grid-RPN方法：

式中，t_x和t_y表示每个方框的起始坐标，p_w和p_l表示方框的大小，c_x和c_y表示方框与图像左上角的距离。在此扩展的支撑下，E-RPN可根据直接嵌入网络中的虚部和实部来估计准确的物体方向。对于每个网格单元（32×16，参见图2-3），预测了5个对象，包括概率得分和类别得分，每个对象都能产生75个特征。代码如下：

代码2-2 网络的特征提取