Fast R-CNN是对R-CNN算法的改进，采用了一些创新措施来提高训练和测试速度，同时提高检测准确率。Fast R-CNN训练VGG16网络比R-CNN快9倍，测试速度快213倍，并在PASCAL VOC上得到更高的精度。与SPPnet相比，Fast R-CNN训练VGG16网络比它快3倍，测试速度快10倍，并且更准确。
Introduction
R-CNN有以下缺点：
- 训练分为多个步骤：R-CNN首先需要微调CNN，然后使用SVM对CNN提取的特征进行分类，最后还要训练一个bounding-box的回归器。
- 训练过程的空间和时间代价高：对于SVM和bounding-box回归器的训练，需要保存每幅图像的每个proposal的特征。
- 目标检测速度慢：采用VGG16测试一张图片需要47s（在GPU上）。
R-CNN检测速度慢的原因在于使用CNN对每个proposal进行前向运算时没有共享计算。SPPnet采用了共享计算来加速R-CNN，即对输入图像只进行一次前向运算，然后从最后共享的feature map中提取出每个proposal的特征向量进行分类。SPPnet在测试阶段比R-CNN快了10-100倍。由于更快的特征提取，所以训练时间也减少了近3倍。SPPnet也有明显的缺点，和R-CNN一样，训练过程也分为多个步骤，也需要保存中间的特征。
Fast R-CNN
下图是Fast R-CNN的框架，步骤如下：
- 第一步，将这个完整的图片经过若干卷积层与max pooling层，得到一个feature map。
- 第二步，用selective search算法从这完整的图片中提取出object proposals，即RoI。
- 第三步，根据映射关系，可以得到每个object proposal对应的feature map。
- 第四步，将第三步得到的feature map经过RoI pooling layer得到固定大小的feature map（变小了）。
- 第五步，经过2层全连接层（fc），得到固定大小的RoI特征向量。
- 第六步，特征向量经由各自的FC层，得到两个输出向量：第一个是分类，使用softmax，第二个是每一类的bounding box回归。
简要流程图如下：
