fast r-cnn

fast r-cnn算法流程可分为三步：

1.一张图生成1000~2000个候选区域（使用ss算法）

2.将图像输入到网络得到相应的特征图，将ss生成的候选框投影到特征图上获得相应的特征矩阵

3.将每个特诊矩阵通过ROI pooling层缩放到7*7大小的特征图，接着将特征图通过一系列全连接层得到预测结果。

与R-cnn的区别

 R-cnn将所有的候选框缩放然后输入到网络中

ROI pooling

 将特征图划分为7*7个小方格，对每一个小方格进行最大池化，这样特征图就缩放到了7*7大小（这里忽略了深度，其他深度也是相同的操作）

 缩放到7*7大小之后经过拉平，两个全连接层，后续再并联两个全连接层一个是分类器，一个是别介狂回归器。