RCNN
流程
1. select search 生成region proposals，并且warp到同一尺度227*227。
2.用CNN对所有region proposals 提取特征。
3.用SVM对特征进行分类，然后按类别进行NMS
4.用SVM对所有通过NMS的proposals的位置进行微调。
SPP-NET
RCNN中用会对图像做多次卷积，非常费时，SPP主要改进就是只需要对原图提取一次特征，靠SPP层生成相同大小的特征。
上图分别为RCNN的流程与SPP的流程。
在原图上的ROI映射到feature maps上之后，分别分成16，4，1个小块，然后全部过max pooling，拿到21维特征。如果特征图channel数是256，那一共就是256*21维特征。这样即使ROI的size不固定，也能保证最后获取的特征大小是固定的。
与RCNN相同的是，他还是有select search慢，而且分类和回归使用SVM，与CNN分开，SVM的LOSS不能训练CNN和SPP。
Fast RCNN
替换SVM，直接训练softmax分类器和bbox regressor回归器，可以端到端的训练模型。
Faster RCNN
提出了RPN，代替SS；引入了anchor（数量K*W*H），通过第一个stage的分类（前景与背景）与回归输出region proposals，使用第二个stage进行进一步的分类（多分类）与位置微调。