目标检测方法-RCNN, Fast R-CNN, Faster R-CNN, Mask R-Cnn, SSD, YOLO

RCNN

RCNN的核心处理流程包括以下几个关键阶段：
（1）候选区域生成（select search） 。通过图像分析，生成大约2k个可能的候选区域，该过程可运用Felzenszwalbs's method、SLIC以及quick shift等多种技术手段完成。
（2）对所提取的候选区域进行尺寸标准化处理，随后将其输入至CNN网络模型中，以实现特征信息的提取与表征。
（3）目标分类处理 。基于提取出的特征信息进行识别判断，通常采用SVM分类器完成该步骤。
（4）边界位置优化（回归） 。针对特定候选框所对应的特征信息，进一步对其空间位置进行微调与修正。

不足之处在于，针对每一个生成的候选区域均需执行CNN特征提取操作，导致计算耗时显著增加；同时，对候选框进行尺度调整时，可能引发识别精度的下降。

SP