Fast R-CNN存在的问题：选择性搜索，非常耗时。
解决：加入一个提取边缘的神经网络，将候选框的选取交给神经网络。
在Fast R-CNN中引入Region Proposal Network（RPN）替代Selective Search，同时引入anchor box应对目标形状的变换问题（anchor就是位置和大小固定的box，可以理解成事先设置好的固定的proposal）
具体做法：
1、将RPN放在最后一个卷积层的后面
2、RPN直接训练得到的候选区域
RPN简介：
1. 在feature map上滑动窗口
2. 建一个神经网络用于物体分类 + 框位置回归
3. 滑动窗口的位置提供了物体的大体位置信息
4. 框的回归提供了框更精确的位置
一种网络，四个损失函数：
1. RPN classification（anchor good.bad）
2. RPN regression（anchor-->proposal）
3. Fast R-CNN classification（over classes）
4. Fast R-CNN regression（proposal-->box）
测试过程：
Faster R-CNN统一的网络结构如下图所示，可以简单看做RPN + Fast R-CNN
注意在RPN网络中的那两个全连接层是并联的，不是串联的，图有点小问题
注意：上图Fast R-CNN中含有特有卷积层，并不是所有卷积层都参与共享
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
速度对比：
Faster R-CNN的主要贡献就是设计了提供候选区域的网络RPN，代替了费时的选择性搜索Selective Search，使得检测速度大幅提高。
总结各个算法的步骤：
RCNN
1. 在图像中确定约1000-2000个候选框（使用选择性搜索Selective Search）
2. 每个候选框内图像块缩放至相同大小，并输入到CNN内进行特征提取
3. 对候选框中提取出的特征，使用分类器判别是否属于一个特定类
4. 对于属于某一类别的候选框，用回归器进一步调整器位置
Fast R-CNN
1. 在图像中确定约1000-2000个候选框（使用选择性搜索Selective Search）
2. 对整张图片输入CNN，得到feature map
3. 找到每个候选框在feature map中的映射patch，将此patch作为每个候选框的卷积特征输入到SPP layer和之后的层
4. 对候选框中提取出的特征，使用分类器判别是否属于一个特定类
5. 对于属于某一类别的候选框，用回归器进一步调整器位置
Faster R-CNN
1. 对整张图片输入CNN，得到feature map
2. 卷积特征输入到RPN，得到候选框的特征信息
3. 对候选框中提取出的特征，使用分类器判别是否属于一个特定类
4. 对于属于某一类别的候选框，用回归器进一步调整器位置
简言之，
R-CNN（Selective Search + CNN + SVM）
SPP-net（ROI Pooling）
Fast R-CNN（Selective Search + CNN + ROI）
Faster R-CNN（RPN + CNN + ROI）