在基于卷积神经网络（CNN）的物体检测方法中，当物体表现出显著的尺度变化、遮挡或截断时，区域提议成为瓶颈。此外，这些方法主要集中在二维物体检测上，无法估计物体的详细属性。本文提出了一种子类别感知的卷积神经网络用于物体检测。我们引入了一种新的区域提议网络，该网络利用子类别信息来指导提议生成过程，并设计了一个新的检测网络以实现联合检测和子类别分类。通过使用与物体姿态相关的子类别，我们在常用基准测试中实现了最先进的检测和姿态估计性能。