目标检测是一种基于目标几何和统计特征的图像分割，最新的进展一般是通过R-CNN（基于区域的卷积神经网络）来实现的，其中最重要的方法之一是Faster R-CNN。
1. 总体结构
Faster R-CNN的基本结构如下图所示，其基础是深度全卷积网络（ZF或者VGG-16）。在深度全卷积网络输出的特征图（Feature Map）上，增加了区域提议网络（RPN，Region Proposal Network），该网络的主要任务是提出Proposals。根据提出的这些Proposals对特征图进行裁剪，当然对不同区域裁剪以后的尺寸是不一致的，因此需要进行RoI池化（RoI Pooling），转换成统一的尺寸，最终得到每个区域的分类。