一。rcnn是使用神经网络进行目标检测的开山之作，他的灵感来自于alexnet模型的出现，基于神经网络的目标检测的出现撼动了surf和hog等检测算法。
rcnn的具体实现步骤分为四步：
1.使用selective search算法产生1k-2k个候选区。
2.对于每个区域利用 CNN 抽取一个固定长度的特征向量。
（ 而通过 Selective Search 产生的候选区域大小不一，为了与 Alexnet 兼容，R-CNN 采用了非常暴力的手段，那就是无视候选区域的大小和形状，统一变换到 227*227 的尺寸。）
3.再对每个区域利用 SVM 进行目标分类。
4.使用边界框回归器对候选区进行微调。
提取特征的时间，如果用 GPU ，13s/张，CPU 53s/张。
缺点：1.测试时间长2.训练时间长3.所需内存大
二。fast rcnn相比R-CNN，主要两处不同:
(1)最后一层卷积层后加了一个ROI pooling layer；
(2)损失函数使用了多任务损失函数(multi-task loss)，将边框回归直接加入到CNN网络中训练
fast rcnn的具体实现步骤分为四步：
1.使用selective search算法产生1k-2k个候选区。
2.对输入图片进行特征提取，得到feature map。根据候选区截取到feature map相应的区域，经过RoI层后提取到固定长度的特征向量，送入全连接层。（特征提取）
3.利用Softmax Loss(探测分类概率) 和Smooth L1 Loss(探测边框回归)对分类概率和边框回归(Bounding box regression)联合训练.（Fast R-CNN则是将候选框目标分类与bbox regression并列放入全连接层，形成一个multi-task模型。）（联合候选框回归与目标分类的全连接层）
fastrcnn针对rcnn的部分问题进行优化：1.因为时间和内存消耗比较大。在训练SVM和回归的时候需要用网络训练的特征作为输入，特征保存在磁盘上再读入的时间消耗还是比较大的。测试的时候也比较慢，每张图片的每个region proposal都要做卷积，重复操作太多。候选区之间有很多重叠的部分导致特征被反复提取
三。faster rcnn相比FAST-RCNN，主要两处不同:
(1)使用RPN(Region Proposal Network)代替原来的Selective Search方法产生建议窗口；
(2)产生建议窗口的CNN和目标检测的CNN共享
faster rcnn的具体实现步骤分为四步：
1.通过cnn提取feature map。
2.feature map用RPN先生成一堆Anchor box，对其进行裁剪过滤后通过softmax判断anchors属于前景(foreground)或者后景(background)，即是物体or不是物体，所以这是一个二分类；同时，另一分支bounding box regression修正anchor box，形成较精确的proposal（注：这里的较精确是相对于后面全连接层的再一次box regression而言
3.根据建议窗口截取到feature map相应的区域，经过RoI层后提取到固定长度的特征向量，送入全连接层。
4.利用Softmax Loss(探测分类概率) 和Smooth L1 Loss(探测边框回归)对分类概率和边框回归(Bounding box regression)联合训练.
