目标检测方法-RCNN、fast RCNN、faster RCNN、mask RCNN、SSD、yolo

RCNN

RCNN主要步骤：
（1）生成候选框（select search）。在图像中确定2k个候选框，采用Felzenszwalbs‘s method、SLIC、quick shift等方法实现。
（2）将生成的候选框缩放至相同大小，输入CNN进行提取特征
（3）分类。对候选框中的特征进行判别，SVM
（4）回归。对某一特征的候选框，调整位置。

缺点：对生成的每个候选框都进行CNN特征提取，时间花费过多；候选框缩放，精度降低

SPPnet

SPP-Net是对rcnn的改进，spatial Pyramid Pooling，主要观点：
  （1）共用特征卷积图
  （2）空间金字塔池化，有效地解决了不同尺度的图片在全连接层输出不一致的问题。
RCNN存在的问题：
  （1）RCNN通过对图像的裁剪crop或缩放warp，使得输入图片的信息缺失或变形，降低了图片识别的准确率。
  （2）对每个RP进行卷积计算，算力过大。