1.4　Faster R-CNN

在本節中，先驗知識包括：

? Fast R-CNN（1.3節）。

Fast R-CNN雖然實現了端到端的訓練，而且通過共享卷積的形式大幅提升了R-CNN的計算速度，但是其仍難以做到實時檢測，其中最大的性能瓶頸便是候選區域的計算。在之前的目標檢測算法中，選擇性搜索是最常用的候選區域提取方法，它貪心地根據圖像的低層特征合并超像素（super pixel）。另一個更快速的方式是EdgeBoxes，雖然EdgeBoxes的候選區域提取速度達到了5張/秒，但仍然難以做到在視頻數據上的實時檢測，而且EdgeBoxes為了提取速度犧牲了提取效果。選擇性搜索提取速度慢的一個重要原因是，不同于檢測網絡使用GPU進行計算，選擇性搜索使用的是CPU。從工程的角度來講，使用GPU實現選擇性搜索是一個非常有效的方法，但是其忽視了共享卷積提供的非常有效的圖像特征。