之前的都是用区域建议算法来产生候选框，还是挺耗时间的，所以Faster R-CNN使用CNN来产生候选框。
Faster-R-CNN算法由两大模块组成：
1.RPN候选框提取模块；
2.Fast R-CNN检测模块。
其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。
思路：
1、输入图像，将图像固定最小边为600的大小（保证图像不发生变形）；
2、经过一个训练好的网络，比如VGG等，得到特征图；
3、两条路：（1）输入到RPN网络中，（2）输入到ROI Pooling层中用于将anchor映射到原图中。
4、ROI
根据映射关系，提取框里的图像（在原图中），然后图像切分为7*7的小块，每一个小块使用max pooling，那么最后输出大小就是7*7，这样就统一了输入大小不一致得问题。
5、分类和回归网络。
原文：https://www.cnblogs.com/pacino12134/p/11409621.html