In CNN-basierten Objekterkennungsmethoden wird die Regionenvorschlagsgenerierung zu einer Engstelle, wenn Objekte erhebliche Skalenvariationen, Verdeckungen oder Abschneidungen aufweisen. Zudem konzentrieren sich diese Methoden hauptsächlich auf die 2D-Objekterkennung und können detaillierte Eigenschaften der Objekte nicht abschätzen. In dieser Arbeit schlagen wir subkategoriebewusste CNNs für die Objekterkennung vor. Wir stellen ein neuartiges Regionenvorschlagsnetzwerk (Region Proposal Network) vor, das subkategorienbezogene Informationen zur Steuerung des Vorschlagsgenerierungsprozesses verwendet, sowie ein neues Detektionsnetzwerk für die gemeinsame Erkennung und Klassifikation von Subkategorien. Durch die Nutzung von Subkategorien im Zusammenhang mit der Objekt-Pose erreichen wir den aktuellen Stand der Technik sowohl in der Detektion als auch in der Pose-Abschätzung auf gängigen Benchmarks.