本文提出了一种用于目标检测的快速区域卷积网络方法（Fast R-CNN）。Fast R-CNN 基于先前的工作，利用深度卷积网络高效地对目标提议进行分类。与之前的研究所不同的是，Fast R-CNN 引入了多项创新，以提高训练和测试速度，同时提升检测精度。Fast R-CNN 在训练非常深的 VGG16 网络时比 R-CNN 快 9 倍，在测试时快 213 倍，并在 PASCAL VOC 2012 数据集上实现了更高的平均精度均值（mAP）。与 SPPnet 相比，Fast R-CNN 训练 VGG16 网络的速度快 3 倍，测试速度快 10 倍，并且更加准确。Fast R-CNN 使用 Python 和 C++（基于 Caffe）实现，并在开源 MIT 许可证下发布于 https://github.com/rbgirshick/fast-rcnn。