目录前面逐个的介绍了Fast R-CNN、Faster R-CNN和Mask R-CNN这一系列算法，这里再通过的图片总结一下它们的演进过程。这些图片来自这篇文章。R-CNN首先是R-CNN，如下图所示。它的输入是一种图片，通过Region Proposal之后得到3个候选区域。由于区域大小不同，所以需要缩放(wrap)成固定的大小，然后使用CNN来进行分类和Bounding box回归。注意原始论文只用CNN来提取特征，用SVM来分类，用另外一个单独的模型来回归，但这个图是改进的版本，直接用神经网络来进行分类和回归。它预测的时候每一个候选区域都需要用CNN来提取特征，速度慢。图：R-CNN Family之R-CNN网络流图如下图所示，这里的分类器和回归也是原始论文的SVM和单独的回归模型。图：R-CNN Family之R-CNNFast R-CNN接下来是Fast R-CNN，如下图所示。它不需要对每个Region Proposal都进行特征提取，而是对整个图片进行一次特征提取，然后每个RoI找到对于的特征区域。由于每个RoI大小不一样，因此得到的特征区域也是不一样，所有需要通过一个
