RCNN系列对比图，来源
1、本文主要是记录RCNN。论文相对于以前的传统方法的改进有：
速度，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。本文则（采用selective Search方法）预先提取一系列较可能是物体的候选区域，之后仅仅在这些候选区域上进行feature extraction，进行判断。 训练集，经典的目标检测算法在区域中提取人工设定的特征。本文则采用深度网络进行特征提取。使用两个数据库，一个较大的识别库（ImageNet ILSVC 2012）：标定每张图片中物体的类别。一千万张图像，1000类。一个较小的检测库（PASCAL VOC2007）:标定每张图片中，物体的类别和位置，一万图像，20类。本文使用是别人进行与训练得到CNN（有监督预训练），而后用检测库调优参数，最后在检测库上评测。 速度，经典的
