相比較於圖像分類來說，目標檢測（Object Detection）不僅需要標記出圖像中的物體（通常使用邊框標記），同時需要指出該物體是什麼。一般比較直觀的想法包括以下的三個步驟：
- 得到目標的可能區域，稱之爲候選區域；
- 使用圖像特徵的提取方法提取出候選區域的特徵；
- 利用分類模型對該候選區域分類；
RCNN（Region with CNN features），又稱爲基於區域的卷積神經網絡，也是基於上述的思路的一種目標檢測的方法，基本的思路如下圖所示：
與上述過程一致，RCNN包括了三個模塊：
- 區域提名；用於生成與類別無關的區域。
- CNN；對上述生成的區域提取出特徵。
- SVM分類器；對提取出的圖像特徵分類。
其基本過程爲從輸入圖像中提出去2000個左右的候選區域，對每一個候選區域計算其特徵，最紅利用分類模型對這個2000個左右的候選區域分類，從而得到最終的檢測目標以及每一個目標對應的類別。
1. 區域提名的方法
在RCNN中，使用的是選擇性搜索作爲區域提名的方法。
2. 減少定位錯誤
在實際過程中，使用Bounding box regression來提升目標框的檢測準確率。