非end-to-end方法：
目前目標檢測領域，效果最好，影響力最大的還是RCNN那一套框架，這種方法需要先在影象中提取可能含有目標的候選框（region proposal）， 然後將這些候選框輸入到CNN模型，讓CNN判斷候選框中是否真的有目標，以及目標的類別是什麼。在我們看到的結果中，往往是類似與下圖這種，在整幅圖中用矩形框標記目標的位置和大小，並且告訴我們框中的物體是什麼。
這種標記的過程，其實是有兩部分組成，一是目標所在位置及大小，二是目標的類別。在整個演算法中，目標位置和大小其實是包含在region proposal的過程裡，而類別的判定則是在CNN中來判定的。

這種標記的過程，其實是有兩部分組成，一是目標所在位置及大小，二是目標的類別。在整個演算法中，目標位置和大小其實是包含在region proposal的過程裡，而類別的判定則是在CNN中來判定的。

end-to-end方法：
end-to-end方法的典型代表就是有名的yolo。前面的方法中，CNN本質的作用還是用來分類，定位的功能其並沒有做到。而yolo這種方法就是隻通過CNN網路，就能夠實現目標的定位和識別。也就是原始影象輸入到CNN網路中，直接輸出影象中所有目標的位置和目標的類別。這種方法就是end-to-end（端對端）的方法，一端輸入我的原始影象，一端輸出我想得到的結果。只關心輸入和輸出，中間的步驟全部都不管。

候選區域（anchor）

備註：具體是咋樣實現的，目前還沒搞清楚，先知道大概是個啥就ok,後續弄明白就好。

特徵可以看做一個尺度51*39的256通道影象，對於該影象的每一個位置，考慮9個可能的候選視窗：三種面積{

1282,2562,5122}×三種比例{1:1,1:2,2:1}。這些候選視窗稱為anchors。下圖示出51*39個anchor中心，以及9種anchor示例。