SPP，YOLO了解吗？

SPP-net对R-CNN最大的改进就是特征提取步骤做了修改，其他模块仍然和R-CNN一样。特征提取不再需要每个候选区域都经过CNN，只需要将整张图片输入到CNN就可以了，ROI特征直接从特征图获取。R-CNN中候选区域需要变形缩放，事实上，只是网络的最后阶段—全连接层需要固定的尺寸输入，因此引入空间金字塔池化SPP来移除对网络固定尺寸的限制，避免输入的裁剪或者变形。SPP-net的缺点也很明显，它仍然属于R-CNN的框架，离端到端的距离还很远。

Yolo的核心思想在于将目标检测问题视作回归问题解决。用一个卷积神经网络结构就可以从输入图像直接预测bounding box和类别概率。算法首先把输入图像划分成S*S的格子，然后对每个格子都预测B个bounding boxes，每个bounding box都包含5个预测值：x,y,w,h和confidence。缺点:对靠的很近的物体以及小群体检测效果并不好。