RCNN
RCNN的整体框架流程为：
1、采用Selective Search生成Region proposal(建议窗口)，一张图片大约生成2000个建议窗口，由于Region proposal尺寸大小不一，warp(拉伸)到227*227。
2、运用CNN来提取特征，把每个候选区域送入CNN，提取特征。
3、将提取后的特征送入SVM分类器，用SVM对CNN输出的特征进行分类。
4、Bounding Box回归，用Bounding Box回归校正原来的region proposal，生成预测窗口的坐标。
缺陷:
1、第一步中region proposal由于尺寸不一，要进行缩放，易造成图像失真。
2、每个region proposal要进行CNN操作，计算量大。
SPP-NET
SPP-NET流程
1、通过selective search产生一系列的region proposal。对待检测的图片进行搜索出2000个候选窗口。这一步和R-CNN一样。
2、特征提取阶段。这一步就是和R-CNN最大的区别了，同样是用卷积神经网络进行特征提取，但是SPP-Net用的是金字塔池化。这一步骤的具体操作如下：把整张待检测的图片，输入CNN中，进行一次性特征提取，得到feature maps，然后在feature maps中找到各个候选框对应的区域，再对各个候选框采用金字塔空间池化，提取出固定长度的特征向量。
如下图所示，得到的feature map进行1*1、2*2、4*4区域划分，每个区域通过maxpooling分别得到，长度为1、4、16特征，把它们连接到一起得到长度为21特征向量，因此不管spp-net输入特征图尺寸多大都会得到长度为21的特征向量。
3、最后一步也是和R-CNN一样，采用SVM算法进行特征向量分类识别。
总结:
1、解决RCNN中图像伸缩可能造成失真的问题。
2、将整张图片输入CNN特征提取，而RCNN则将每个候选区域进行提取，减少计算量，加快速度。
FAST RCNN
FAST RCNN流程:
1、输入测试图像；
2、利用selective search 算法在图像中从上到下提取2000个左右的建议窗口(Region Proposal)；
3、将整张图片输入CNN，进行特征提取；
4、把建议窗口映射到CNN的最后一层卷积feature map上；
5、通过RoI pooling层使每个建议窗口生成固定尺寸的feature map；ROIpooling layer实际上是SPP-NET的一个精简版，SPP-NET对每个proposal使用了不同大小的金字塔映射，而ROI pooling layer只需要下采样到一个7x7的特征图.对于VGG16网络conv5_3有512个特征图，这样所有region proposal对应了一个7*7*512维度的特征向量作为全连接层的输入。
6、利用Softmax Loss(探测分类概率) 和Smooth L1 Loss(探测边框回归)对分类概率和边框回归(Bounding box regression)联合训练.
总结
把多个任务的损失函数写到一起，实现单级的训练过程；FASTER RCNN
FASTER RCNN流程：
1、首先向CNN网络【ZF或VGG-16】输入任意大小图片；
2、经过CNN网络前向传播至最后共享的卷积层，一方面得到供RPN网络输入的特征图，另一方面继续前向传播至特有卷积层，产生更高维特征图；
3、供RPN网络输入的特征图经过RPN网络得到区域建议和区域得分，并对区域得分采用非极大值抑制【阈值为0.7】，输出其Top-N【文中为300】得分的区域建议给RoI池化层；
4、第2步得到的高维特征图和第3步输出的区域建议同时输入RoI池化层，提取对应区域建议的特征；
5、第4步得到的区域建议特征通过全连接层后，输出该区域的分类得分以及回归后的bounding-box。
下一篇博客会详细介绍faster r-cnn
参考：https://blog.csdn.net/u014696921/article/details/52824118
https://blog.csdn.net/u013129427/article/details/73162817
https://shartoo.github.io/RCNN-series/