1.物体检测最直观的方法：滑框(sliding window)，滑框法几乎是通过枚举的方式提供了框的位置，本质是把检测问题转换成了图片分类问题。
2.选择搜索法(selective search)
代表作：Selective Search for Object Recognition
3.R-CNN
避免滑窗法穷尽量大弊端以及使用CNN自动提取特征
第一步）对输入的图片进行区域提取，R-CNN用的selective search
第二步）对每一块提取出来的区域缩放到统一的大小，输入CNN中使之输出一个Nx1的特征向量，然后用分类器（文中使用SVM，讨论了softmax的可行性）判断该区域是不是某类物体，接着分类完成之后对选出的区域做了一个框回归（bounding box regression），最后的结果：物体种类和框的位置。
4.Fast R-CNN锚点机制
锚点。理解RPN的关键也就在锚点上。锚点，字面理解就是标定位置的固定的点。在提框机制中，是预先设定好一些固定的点(anchor)和框(anchor box)的意思。如上图，假设在原来的图像上设定4个锚点(2x2)，那么原图就可以看作分成2x2的格子，每个格子的中心叫做一个锚点。以锚点为中心，给定俩个宽高比(1:2, 2:1)，确定一个宽度或者高度(100px)，画俩个框，绿色和红色的框就是锚点框(anchor box)。也就是说，我们看作每一个锚点都可以产生俩个锚点框，这些框就是固定在这里存在的，不会变也不会动。
Faster-RCNN由RPN和Fast-RCNN组成，RPN负责寻找proposal，Fast-RCNN负责对RPN的结果进一步优化。其实RPN已经可以找到图片中每个物体的种类和位置，如果更注重速度而不是精度的话完全可以只使用RPN。
https://zhuanlan.zhihu.com/p/44670184
