【AI 进阶笔记】两阶经典检测器：Faster RCNN
1. 前言：目标检测的进化史
在计算机视觉的世界里，目标检测一直是个“烧脑”的问题。让计算机识别物体 “是什么”（分类）相对简单，但让它 “在哪里”（定位）就难了。
我们先简单回顾目标检测的进化史，看看 Faster R-CNN 到底解决了什么问题。
1.1 目标检测的老前辈们
在 Faster R-CNN 出现之前，我们有三个老前辈：
- R-CNN（2014）：
- 先用 Selective Search 选出 2000+ 候选框。
- 送进 CNN 提取特征，然后用 SVM 分类。
- 缺点： 速度太慢（每张图 47 秒）。
- Fast R-CNN（2015）：
- 直接在 CNN 特征图上做候选框分类+边界框回归。
- 但依然依赖 Selective Search，速度仍然有限。
- Faster R-CNN（2016）：
- 用 Region Proposal Network（RPN） 直接生成候选框，彻底抛弃 Selective Search。
- 速度提升到每张图 0.2 秒！
1.2 Faster R-CNN 解决了什么问题？
关键词：RPN + 共享特征图 + 端到端训练
Faster R-CNN 主要解决了两个痛点：
- 太慢：Fast R-CNN 依赖 Selective Search 生成候选框，速度受限。
- 无法端到端训练：R-CNN 需要单独训练多个模型（CNN、SVM、回归器）。
Faster R-CNN 的创新点：
- 用 RPN（Region Proposal Network） 取代 Selective Search。
- 共享 CNN 特征，提高计算效率。
- 端到端训练，提高检测精度。
一句话总结：Faster R-CNN = CNN + RPN + ROI Pooling + 分类+ 回归
2. Faster R-CNN 的核心架构解析
Faster R-CNN 的整体结构如下