R-CNN： Fast R-CNN： Faster R-CNN YoloV1：

​​R-CNN：​​

​​Fast R-CNN：​​

​​Faster R-CNN​​

​​YoloV1：​​

R-CNN：

过程：

先用Selective Search提取候选框
然后将候选框强制到227*227
之后用AlexNet提取特征
最后将特征用SVM分类
优点：

相对于传统方法用HOG或者SITF提取特征，本文用CNN来提取特征
缺点：

两千多个候选框分别送入CNN提特征，时间消耗大
三个阶段分开训练，中间数据还要保存，空间消耗大

Fast R-CNN：

过程：

将整张图送入CNN提取特征图
用Selective Search提取候选框，并在映射到特征图上
借鉴SPP的思想，用ROI pooling将不同尺度的FM转换成固定尺度的特征
用FC做分类和回归
优点：

相对于R-CNN，用softmax取代SVM做分类，提出多任务loss
用ROI pooling将不同尺度的ROI得到固定尺度的输出
缺点：

用SS提取候选框耗时

Faster R-CNN

过程：

对整张图送入CNN提取FM
在FM上使用RPN，在每个像素点设置9个anchor，并用softmax筛选正负anchor
然后对筛选的anchor做回归分类
优点：

提出RPN网络和anchor机制，解决了SS的问题
缺点：

Two-stage仍然无法达到实时

YoloV1：

优点：

相对于R-CNN使用候选框，yolo直接把目标检测看作是回归问题，在CNN里对整张图直接做回归和分类。
将CNN提取的FM划分为SS个网格（77），每个网格预测B个bbox的位置（x、y、w、h）、置信度（confidence为交并比）、类别概率。
缺点：

输入尺度固定，不能处理多尺度输入
每个像素点预测两个box，检测目标过少
多次下采样特征损失
虽然速度快，但识别率不高