传统目标检测的方法：
将CNN引入目标检测领域之前，经典的目标检测算法使用滑动窗口依次判断所有可能的区域，并在区域中提取人工标定的特征。
引入CNN之后，RCNN采用Selective Search预先提取候选区域，并采用深度网络提取特征。
RCNN
pic1
基本流程：
1、 每张图片生成2k个候选区域
2、对每个候选区域使用卷积神经网络提取特征（4096维）
3、使用SVM进行类别判断，使用回归器对位置进行回归
注意点：
（1）得到的候选框大小不同，而CNN要求输入图片大小固定，因此需要把候选框缩放成大小相同的图片。
（2）采用现成的Alexnet(VGG计算量大当时)进行训练和初始化参数，再进行fine-tuning，核心是前边的层次用于提取基础特征，后边的全连接层用于特定的任务特征。
pic2
（3）CNN训练时的softmax层可用于分类，为啥还要使用SVM：原因是SVM分类准确率高，因为SVM和CNN对正负样本的定义不同，CNN中只要是重叠区域大于某一值就认为是正样本，而SVM要求bounding box把整个物体都包含进去才是正样本。
pic3
存在的问题：
1:、不共享卷积网络，每个region proposal都对应不同的卷积网络，使得运算很慢
2、分类使用SVM增加了计算量
原文：https://www.cnblogs.com/Luckidmi/p/10405502.html