1：anchors不同的大小但是采用了ROI pooling一样的策略，都映射到3*3的卷积核上，最后通过1*1的卷积核，相当与全连接分成了18类，9个anchors的话；
2：分类的时候，reshape，两次，第一次为了softmax分类，因为一开始【1,2*9,W,H】,要变成【1,2,9*W，H】，主要是为了分类；
3：最后的特征map上一个像素点代表3*3的窗口，在原图代码48*48的窗口；
4：faster RCNN是两阶段的，第一节阶段主要是为了调节基础网络，得到一个提取特征较好的网络，两个fc层主要是为了人脸的分类；第二阶段，通过基础网络，把RPN层的推荐窗口的特征送到fc层中，进行分类；其中第一阶段中得分高的窗口，送入到第二阶段中继续的训练fast RCNN层，这样得到更好的网络；
