只要是做过物体检测（object detection）的人，都会对这三种算法比较熟悉，起码听说过。那么这三种算法各自有什么特点呢？为什么他们不能相互取代？接下来我们将慢慢分析。
在介绍具体算法之前，先来看下常用的数据集
pascal voc包含20类
其中，voc 07：9,963 张图片中包含了24,640个已标记物体
voc 12：测试数据集没有公开，在训练和验证数据集中的11540 张图片包含了27450个已标记的物体
coco在物体检测任务中包含80类(主要类别有91类)
coco2015 : 328k 张图片中大约有2.5 million个已标记的物体
faster RCNN
这个算法是一个系列，是RBG大神最初从RCNN发展而来，RCNN->fast RCNN->faster RCNN，那么简单的介绍下前两种算法。
首先RCNN，在这个算法中神经网络实际上就是一个特征提取器，作者用selective search的方法提取了一定数量（2000个）region proposal，然后对region proposal做卷积操作，将fc7这一层的特征提取出来用于分类和坐标回归，这里分类用的还不是softmax而是SVM。这个算法的贡献主要是提出了一种有效的特征利用方式，后续很多人在工程实践中都是用的fc7层的特征来做基于faster RCNN的应用。
到fast RCNN，fast RCNN将除了region proposal提取以外的部分都用一个网络来实现，与RCNN不同的是，1）他的分类和坐标回归的loss一起通过反向传播来更新网络参数；2）它在提取feature时并不会把每个region proposal都放入提取，而是将整幅图提取特征后，用坐标映射的方式提取feature，这样有两个好处a）快，因为一张图片只走一次网络；b）feature的特征受感受野的影响，能融合相邻的背景的特征，这样“看”得更远一些。
最后是faster RCNN，作者发现selective search的方法导致算法没有实时性的可能，因此，作者尝试用region proposal network来取代selective search的方法，并且与fast RCNN的分类和回归网络共用特征提取层，因此这样并不会带来太多额外的计算量，而实验结果也表明了，作者这样做确实提高的速度，并且还提高了准确率。因此，综上所述，region proposal network是faster RCNN的精华所在，也是精度高于以及速度慢于后续YOLO和SSD算法的原因。
YOLO
YOLO个人平时接触的不多，对YOLO v2也知之甚少，不敢妄言，这里简单介绍下YOLO v1
YOLO的一个贡献是将检测问题转化为了回归问题，相信这句话很多人见过很多次了。那到底是什么意思呢？指的就是之前faster RCNN是先分两步，先提取region proposal，也就是判断是前景还是背景的问题，之后再分类，具体看前景是什么东西。而YOLO直接通过regression一次既产生坐标，又产生每种类别的概率。
YOLO的特点在于快，其中一方面来源于regression机制，还有一个原因就在于region proposal的提取过程了。再YOLO中很少提region proposal的概念，但是为了类比faster RCNN我们可以这样理解，YOLO中粗暴地分成了7X7的网格，每个位置默认可能属于2个object，那么事实上就是提取了98个region proposal，而faster RCNN是一种滑动窗口机制，每个feature map上都回归出9个anchor，大约一共20k个anchor，在通过非极大值抑制等方法最终会得到300个region proposal。两者之间候选框差别巨大，因此，faster RCNN会准一点也是情理之中，而既然每个位置都要精修，当然效率就会低很多，也就不能满足实时性要求了。另外，YOLO精简了网络，比VGG要稍微计算量小一些，可能也会加快一些速度，但这些计算量比起前面提到的两点已经不足为道。
SSD
SSD有人说是faster RCNN和YOLO的结合体，是有道理的。首先说SSD的贡献，它的贡献在于它利用了多层网络特征，而不仅仅是FC7。那么为什么说它像YOLO呢，这主要是因为，SSD还是借鉴了detection转化为regression的机制，而说它像faster RCNN是因为借鉴了anchor的机制，只不过它的anchor不是每个位置的精调，是跟YOLO一样画网格，然后在网格上产生anchor，由于利用了多层特征，anchor的scale每层都不同，因此产生了较多的超参数，增加了训练难度。
所以说，三种算法在实际应用中faster RCNN鲁棒性会可能会强一些，但是鱼与熊掌不可兼得，速度也会较慢。