R-CNN（区域卷积神经网络）
/ AR-C-N-N /
R-CNN是一族目标检测方法，它解决了2013年前后的一道难题：当你既不知道有几个物体、也不知道它们在哪里时，该怎么把它们找出来？它的答案是一种两步走的策略。第一步，提议几千个候选区域——也就是可能装着东西的框。第二步，对每个框跑一遍图像分类器，判断框里是什么（如果有的话），并把框的边缘修正得更贴合。「R」代表区域（region），CNN则是负责识别的卷积神经网络。
最初的R-CNN能用，但慢得让人头疼，因为它把那几千个区域一个个单独裁剪、重新分析。两个后续版本修好了这一点。Fast R-CNN把整张图只分析一次，然后在这份共享的分析里查找每个区域，而不再重做一遍。Faster R-CNN更进一步，让一个小型神经网络也来负责提议区域，于是整条流水线变成了一个可以整体训练的系统。每一步都把巧妙的人工设计换成了学得来、跑得更快的部件。
为什么要记住R-CNN？因为它确立了「先提议、再分类」这个两阶段范式，多年来它定义了什么叫准确的检测，至今仍是许多高精度系统的底层。它的取舍正是重点：两阶段检测器往往更准，但比后来那些一次成像的检测器（如YOLO）更慢。对于那些「漏掉一个物体代价高昂、而算力又还宽裕」的任务，R-CNN这一脉常常仍是稳妥之选。
在一张厨房照片上，Faster R-CNN先通过一次快速扫描提议大约300个候选框。接着它对每个框分类：大多数被当作背景剔除，只剩下少数几个存活下来，成为「马克杯0.91」「烤面包机0.87」「香蕉0.66」，框的边缘也被微调到贴住各个物体。
两阶段思路一图概括：先提议许多区域，再对存活下来的进行分类与修正。
「R-CNN」通常指整个谱系——R-CNN、Fast R-CNN、Faster R-CNN——而不是某一个固定的模型。它们共同的主线是「先提议、再分类」的两阶段设计，相比单阶段检测器，是以速度换准确率。