写在前面的话：文章内容来源于但不限于网络、书籍、个人心得体会等，意在总结和方便各位同行快速参考，共同学习进步，记录自己的问题。错误在所难免，有请各位批评斧正。如有侵权，烦请第一时间通知，我会立即删除相关内容，万分感谢！
基于候选区域的目标检测：
区域提名：通过Selective Search从原始图片提取2000个左右区域候选框；
区域归一化：把所有侯选框缩放成固定大小（227×227）Warp；
通过CNN网络提取特征(在特征层的基础上添加两个全连接层)；
使用SVM结合NMS（非极大值抑制）获得区域边框（BBox），最后用DPM中类似的线性回归方法精修（Refine）边框位置。
R-CNN缺点：
虽然R-CNN在ILSVRC 2013数据集上的mAP由Overfeat的24.3%提升到了31.4%，第一次有了质的改变。但R-CNN有很多缺点： 重复计算：R-CNN虽然不再是穷举，但依然有两千个左右的候选框，这些候选框都需要进行CNN操作，计算量依然很大，其中有不少其实是重复计算；
SVM模型：而且还是线性模型，在标注数据不缺的时候显然不是最好的选择；
训练测试分为多步：区域提名、特征提取、分类、回归都是断开的训练的过程，中间数据还需要单独保存；训练的空间和时间代价很高
GPU上处理一张图片需要13秒，CPU上则需要53秒。
