RCNN
卷积神经网络的物体检测奠基之作，核心思想是对每张图片选取多个区域，然后对每个区域样本进行卷积神经网络，来抽取特征，最后使用分类器来对齐分类和一个回归器来得到准确的边框。
来自沐神动手学深度学习系列教程
框的选择采用启发式搜索（selective search），此处的卷积神经网络主要用来提取特征,SVM用于对每一个框进行分类。
Fast R-CNN
改进：
- 考虑到R-CNN中含有大量相互重叠的选取的框，针对每一个框都需要做卷积比较浪费，因此Fast-RCNN先对输入图片抽取特征，然后再选取区域。
- 用单个的多类逻辑回归代（softmax）替多个SVM进行分类。
来自沐神动手学深度学习系列教程
每个区域都是不同的大小，不方便分类，可选用resize将框变到同一大小，然后实现分类，但是resize无法求导。此处采用ROI pooling 将框变到同一大小，方便后边网络进入全连接层，实现分类。
ROI pooling 解释：将经过卷积之后的特征加上建议的方框，对每一个框划分成n×m大小的格子，然后对每一个小块选取最大值保留，最终实现将所有建议框变成同样大小的框n×m。
Faster R-CNN
selective research 比较慢，属于传统目标检测中方法，不容易实现，而且不好说明原理，解释。
改进：将这部分变成RPN（region proposal network）
来自沐神动手学深度学习系列教程
以任意一个像素为中心生成n个大小形状不同的框，锚框anchor box。（不同的长宽比，不同大小）此处n=9，三种不同的大小，和三种长宽比（3×3）共9个。
每个锚框抽取特征，然后做bounding box regression 判断与真实框距离。
同时判断框内是否有物体，将初步判断有物体的框送入ROI Pooling，然后送入softmax判断是什么物体，同时再做refine,生成更准确的BBox。
RPN只负责产生一些边框。特征来自Conv。
总体：分两步，先生成box，然后与特征结合，做分类。
只是自己做的一个笔记，具体可看沐神视频https://www.bilibili.com/video/av42355860/?p=8
