论文链接： https://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Girshick_Rich_Feature_Hierarchies_2014_CVPR_paper.pdf
论文技术报告链接： https://arxiv.org/pdf/1311.2524.pdf
出处： CVPR 2014
参考视频： https://www.bilibili.com/video/BV1d64y1W74E/?spm_id_from=333.999.0.0&vd_source=e321967bf2cdc2338238788250d12de8

R-CNN基本原理

总结起来就是：输入原图，然后用selective search算法生成2000个候选框，再将每个候选框缩放为$227\times 227$的固定大小，再逐一喂到同一个卷积神经网络提取4096维的特征，用该4096维的特征同时进行分类(线性SVM)和回归，最终得到目标检测结果。

可以看到R-CNN严重依赖上下游的多个步骤协作完成目标检测任务：①提取候选框；②缩放；③用CNN提取特征；④分类和回归。只要有一个步骤出现问题，整个检测系统就会出现问题。每个步骤都需要单独去优化，因此并不是一个端到端的系统。

R-CNN是一个非常耗时、非常低效、非常臃肿、一点不端到端的算法：
因此，可以对R-CNN进行改进：

产生候选框-Selective Search