Fast-R-CNN.md

1. 在解决的是什么问题？加快检测速度，提高检测精度
2. 为何成功，标志/准是什么？训练更容易了
3. 在前人基础上的关键创新是什么？使用一个网络来训练 R-CNN，而不是之前的三个阶段，不同的网络
4. 关键结果有哪些？
5. 有哪些局限性？如何优化？
6. 这个工作可能有什么深远的影响？

贡献

1. 比 R-CNN 和 SPPnet 更好的精度(mAP)
2. 单个 stage，使用多任务的 loss => 即包含分类，也包含矩形？
3. 训练可以更新网络的所有层。R-CNN 里是分开三段训练的
4. 不需要额外的硬盘存储来做未来的 feature 缓存

启发

从 pretrained 网络开始，然后为目标检测 Fine-tune

疑问

1. RoI pooling layer
2. 还有在论文里写的问号