目标检测框架差异

R-CNN: region proposal可能是object的区域放到CNN获得分类；问题：区域重叠多，重复计算量大
Fast R-CNN: 多个可能的区域一起放到CNN，只做一次feature提取，获得分类；问题：获得region的速度太慢
Faster R-CNN: region proposal放到CNN里来完成，CNNCNN；问题：获得位置分类，两步走速度慢
YOLO：位置+分类回归问题，一步解决；问题：小物体、挨得很近的物体、尺寸不太常见的物体的漏检
SSD：借鉴Faster R-CNN和YOLO，增加几个对不同尺寸的感知层
YOLO2：调整特征提取部分的网络结构更快，使用归一化、针对细颗粒度、高分辨率进行优化，修改训练策略更准