RCNN
流程
1. select search 生成region proposals，並且warp到同一尺度227*227。
2.用CNN對所有region proposals 提取特徵。
3.用SVM對特徵進行分類，然後按類別進行NMS
4.用SVM對所有通過NMS的proposals的位置進行微調。
SPP-NET
RCNN中用會對圖像做多次卷積，非常費時，SPP主要改進就是只需要對原圖提取一次特徵，靠SPP層生成相同大小的特徵。
上圖分別爲RCNN的流程與SPP的流程。
在原圖上的ROI映射到feature maps上之後，分別分成16，4，1個小塊，然後全部過max pooling，拿到21維特徵。如果特徵圖channel數是256，那一共就是256*21維特徵。這樣即使ROI的size不固定，也能保證最後獲取的特徵大小是固定的。
與RCNN相同的是，他還是有select search慢，而且分類和迴歸使用SVM，與CNN分開，SVM的LOSS不能訓練CNN和SPP。
Fast RCNN
替換SVM，直接訓練softmax分類器和bbox regressor迴歸器，可以端到端的訓練模型。
Faster RCNN
提出了RPN，代替SS；引入了anchor（數量K*W*H），通過第一個stage的分類（前景與背景）與迴歸輸出region proposals，使用第二個stage進行進一步的分類（多分類）與位置微調。