arxiv：1504.08083
参考
44 物体检测算法：R-CNN，SSD，YOLO【动手学深度学习v2】_哔哩哔哩_bilibili
初读
R-CNN首次提出将CNN应用于目标检测领域，SPPNet提出SPP layer，提升了R-CNN的速度。但两者有共同的不足之处，都需要多阶段的处理
- 选取候选框（proposals）
- 将候选框送入CNN提取特征
- 将提取的特征送入SVMs进行分类
- 进行Bounding-box regression，微调定位框
Fast R-CNN在运行速度上实现了对R-CNN和SPPNet的超越，模型准确率也有所提升，同时是单阶段的处理。
再读
Fast R-CNN架构如下图所示
提出了RoI池化层（region of interest pooling layer）
什么是RoI pooling？
给定一个锚框，将其均匀（近似，可能不能严格均匀）的分成nxm块，在每一块取一个最大值（max pooling）
，接受任意尺寸的输入，输出总是nxm
和SSP layer的区别，空间金字塔池化使用了多个尺寸分割，包括1x1,2x2,4x4，然后拼接起来。而RoI pooling只使用了一个尺寸nxm，相当于SPP layer的精简版本
框架
- 使用SS（Selective Search）算法生成候选框（proposals）
- 将原始图片输入CNN提取特征图，将候选框投影到特征图上获得特征矩阵
- 将特征矩阵输入RoI pooling得到7x7的输出
- 将7x7输出通过一系列全连接进行分类和bbox
与R-CNN和SSPNet的区别
- 将特征提取、分类、bbox作为一个整体（子网络），对应论文中提到的单阶段（single-stage）
- 相比于SPPNet，精简了空间金字塔池化层为RoI pooling层
- 使用全连接层和softmax进行后序分类和bbox，而之前使用的是SVMs