目标检测网络介绍

RCNN：局部卷积神经网络。

结构分为：候选区域生成（采用selective search方法），特征提取网络（多个卷积层、relu，以及池化层），分类器（SVM），回归修正位置结构（线性脊回归器）。

流程为：

先在输入图像上进行SS，生成多层次的候选区域，

在候选区域上进行特征提取，

然后进行分类判断，

最后对候选区域位置进行修正。

 

Fast RCNN：快速局部卷积神经网络。

候选区域生成仍然采用SS方法，将分类器以及回归修正结构替换成网络中的窗口分类层和窗口位置修正层，与特征提取网络结构结合，成为新的网络结构，理论上加快了速度。

候选区域生成在整个结构中的位置后所改变，不再是放在最开始就在图像上使用SS，而是一开始将图像一体化送入特征提取网络，最后在特征提取输出层上进行SS，生成候选区域。（候选区域生成仍然独立于其他部分，可以独立变动）

Faster RCNN：

候选区域的生成替换为RPN（区域生成网络），让区域生成网络与剩余的网络结合起来。区域生成网络的位置有所改变，

一开始就进行特征提取，提取出原始的特征，然后经过候选区域生成网络生成候选区域，由候选区域与之前的特征进行分类以及位置判断。