R-CNN 系列算法是深度学习目标检测领域发展的关键历程，标志着该领域从传统方法转向深度学习的转变。
以下是 R-CNN、Fast R-CNN 和 Faster R-CNN 三个核心模型的总结和对比，以及对 Mask R-CNN 的简单提及：
🚀 R-CNN 系列算法总结
| 模型名称 | 核心创新 | 关键改进点 | 速度与效率 |
|---|---|---|---|
| 1. R-CNN (2014) | 首次结合 CNN 与区域建议。 | 区域建议（选择性搜索） $\to$ CNN 提取特征 $\to$ SVM 分类。 | 极慢（数十秒/图）。主要瓶颈是重复对每个 RoI 进行 CNN 计算。 |
| 2. Fast R-CNN (2015) | 引入 RoI Pooling。 | 特征共享：对整个图像只进行一次 CNN 计算；多任务损失联合训练分类与回归。 | 快（约 0.5 秒/图）。瓶颈是仍然依赖外部的选择性搜索。 |
| 3. Faster R-CNN (2015) | 引入 RPN (区域建议网络)。 | 端到端：用 RPN 取代外部区域建议算法，实现了完全的深度学习检测流程。 | 实时或准实时（> 5 FPS）。是两阶段检测器的经典范式。 |
| 4. Mask R-CNN (2017) | 引入 RoI Align 和掩码分支。 | RoI Align 消除量化误差；在 Faster R-CNN 基础上增加了像素级实例分割功能。 | 性能与 Faster R-CNN 相当，但功能扩展到实例分割。 |
🔍 R-CNN 系列的演进逻辑（关键步骤）
R-CNN 系列算法的演进是一个不断解决瓶颈、实现效率优化和端到端的过程：
| 阶段/步骤 | 目标 | R-CNN 阶段 | Fast R-CNN 阶段 | Faster R-CNN 阶段 |
|---|---|---|---|---|
| 区域建议 | 找出 RoI | 选择性搜索（耗时） | 选择性搜索（耗时） | RPN（深度学习，高效） |
| 特征提取 | 获取 RoI 特征 | 对 2000 个 RoI 重复提取 | 对整图一次提取，共享特征图 | 对整图一次提取，共享特征图 |
| 特征对齐 | 转换 RoI 特征为固定大小 | 粗暴的 Warp/Crop | RoI Pooling（有量化误差） | RoI Pooling / RoI Align（更精确） |
| 训练模式 | 优化整体模型 | 多步独立训练（CNN/SVM/Regressor） | 联合训练（除区域建议外） | 端到端联合训练 |
总结要点
- R-CNN 证明了深度学习在目标检测上的可行性。
- Fast R-CNN 通过特征共享（RoI Pooling）解决了 R-CNN 的重复计算瓶颈，显著加速。
- Faster R-CNN 通过RPN解决了 Fast R-CNN 对外部算法的依赖，完成了目标检测的完全端到端化。
Faster R-CNN 成为了后续目标检测和实例分割（如 Mask R-CNN）的基础架构。