image-processing - 为什么faster-rcnn端到端训练只做近似？

Question

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

this solution ignores the derivative w.r.t. the proposal boxes’ coordinates that are also network responses, so is approximate.

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 的边界框回归在每次训练迭代时都会更新，因此不会被忽略。

那么，为什么它忽略了提案框坐标的导数？这意味着什么？

Answer 1

滑梯Training R-CNNs of various velocities在第 40-45 页详细讨论了这一点。简而言之，这是因为损失函数对 ROI 层的导数是未定义的，所以使用了代理梯度，在这种情况下，这个导数是未定义的。
附言
Link to ICCV 2015 Tutorial
The Github README page guide me to the slide