理解Fast R-CNN的改进
上图为论文中的图片
先使用CNN网络获得整体的特征图：这里可以卷积共享，加快速度
然后将原图中的Region Proposals映射到Feature Map中，获得一系列RoI
然后不再对每个RoI分别进行分类回归，而是通过类似SPP的RoI Pooling层将不同大小的RoI汇集成相同大小，这样就可以用全连接层了，最后做分类回归
Fast R-CNN实现了end to end 模式（除了使用Selective Search搜索RoI）
端到端：除了输入和输出，所有中间计算都在神经网络中完成
上图为几种网络训练耗时和测试耗时对比图 ，显然，卷积共享的确能大幅降低时耗
从Test time中可以看出，寻找Region Proposals是另一个秒级别的时耗