在之前对目标检测开山论文R-CNN有了理解，接下来我们继续对R-CNN系列中的Fast R-CNN做一个理解。
在此之前，需要了解的是论文方法产生的前提：
Fast R-CNN的产生并不是仅仅直接来源与R-CNN，而是在SPP-NET的基础上对R-CNN的改进。
这里简单介绍一下SPP-NET同时对它和R-CNN的缺点做一个复习。
我们都知道R-CNN的方法是，首先对一张特定尺度的图片通过Search Selective的方法产生2K个区域，然后将这些区域分别输入到CNN当中去，然后将产生特征向量保存到硬盘当中，最后将其输入到SVM分类器当中进行训练并输出。
这里我们很容易就知道它的几个缺点：
