Abstrac
最新的物体检测网络依靠区域提议算法（ region proposal algorithms）来假设物体的位置。SPPnet [1]和Fast R-CNN [2]之类的进步减少了这些检测网络的运行时间，提出了区域提议的计算是瓶颈。在这项工作中，我们引入了一个区域提议网络（RPN），该网络与检测网络共享整幅图像的卷积特征，从而实现了几乎免费的区域提议。RPN是一个全卷积的网络，可以同时预测每个位置的物体边界和物体得分。对RPN进行了端到端的训练，以生成高质量的区域提议，Fast R-CNN使用这些提议进行检测。通过共享RPN和Fast R-CNN的卷积特征，我们将RPN和Fast R-CNN进一步合并为一个网络——使用“注意力”机制， RPN组件告诉整个网络向哪看。对于非常深的VGG-16模型[3]，我们的检测系统在GPU上的帧速率为5fps（包括所有步骤），同时在PASCAL VOC 2007、2012和2007上达到了最新的物体检测精度。 MS COCO数据集，每个图像仅包含300个提议。在ILSVRC和COCO 2015竞赛中，Faster R-CNN和RPN是多个赛道中第一名获胜作品的基础。代码已公开提供。
INTRODUCTION
区域提议方法（例如[4]）和基于区域的卷积神经网络（R-CNN）[5]的成功推动了物体检测的最新进展。尽管基于区域的CNN在计算上很昂贵，如最初在[5]中开发的，但由于在[1]，[2]提出的共享卷积，其成本已大大降低。最新的工作，Fast R-CNN [2]，在忽略区域提议花费的时间时，使用非常深的网络[3]实现了接近实时的速度。现在，提议是最新检测系统中测试时间的计算瓶颈。区域提议方法通常依赖于便宜的特征和经济的推理方案。选择性搜索[4]是最流行的方法之一，它根据工程化的底层特征贪婪地合并超像素。然而，与高效的检测网络相比[2]，选择性搜索的速度要慢一个数量级，在CPU上每张图片2秒。EdgeBoxes [6]当前提供建议质量和速度之间的最佳权衡，每张图像0.2秒。
