两阶段架构是这一特定任务的基础，相较于传统的目标检测方法，带来了巨大的创新和进步。我们可以看到，它们的方法为目标检测提供了全新的思路。然而，与后续出现的一阶段方法及其改进版本相比，两阶段方法速度较慢，已略显过时。

是否使用这类方法取决于具体场景，但理解两阶段架构背后的原理仍然非常重要。另一方面，如果模型速度不是首要考虑因素（例如不用于实时项目），我们依然可以采用改进后的两阶段检测模型。此外，掌握独立提取感兴趣区域的方法论也十分关键，因为这种思路可广泛应用于其他网络，以支持多种不同的任务。

两阶段目标检测中的模型

基于区域的卷积神经网络（R-CNN）是最流行的两阶段目标检测模型。我们将按照从旧到新的顺序，回顾基于区域的卷积神经网络家族：

• R-CNN（Region-based Convolutional Neural Networks）
• Fast R-CNN
• Faster R-CNN