Faster R-CNN称为超快速的区域卷积神经网络，是对Fast R-CNN的改进，是Fast R-CNN与RPN的结合。详情请查看转载链接。
以下是个人思考：
Faster R-CNN主要的改进是提出了RPN（候选区域网络）的概念，其作用是替代原来Selective search（选择性搜索）而生成候选区域。从R-CNN开始所使用的Selective search是综合图像颜色、纹理和层次等因素来寻找目标区域的，虽然综合性的考虑能较准确地定位目标区域，但不可否认其候选区域数量依旧庞大。RPN以卷积层特征图为输入，在卷积滑动窗口时，为每个点配置不同尺寸的9个基准矩形框，这些基准矩形框称为anchor（锚点），并利用ground truth（真实框）调整anchor，使得生成的候选框更为准确。另外，RPN生成的候选框和卷积层特征图一同输入到Fast R-CNN检测器中，使得RPN与Fast R-CNN共享卷积特征图。