CNN（畳み込みニューラルネットワーク）を基にした物体検出手法において、物体が著しいスケール変動、遮蔽、または切り取りを示す場合、領域提案がボトルネックとなります。さらに、これらの手法は主に2次元の物体検出に焦点を当てており、物体の詳細な特性を推定することはできません。本論文では、サブカテゴリ認識型CNNを提案します。新しい領域提案ネットワークを導入し、サブカテゴリ情報を利用して提案生成プロセスをガイドします。また、検出とサブカテゴリ分類を同時に行う新しい検出ネットワークも提案します。物体の姿勢に関連するサブカテゴリを使用することで、一般的に使用されるベンチマークにおいて検出と姿勢推定の両方で最先端の性能を達成しました。注：「サブカテゴリ」は「subcategory」、「ベンチマーク」は「benchmark」など、一般的な技術用語として使用しています。