RCNN对每个候选框都提取了特征，而且对于有重复区域的候选框们，这部分重复的区域相当于不断重复提取了特征，很麻烦。所以能不能只提取一次特征呢？也就是只卷积一次。
R-CNN对候选框尺寸进行了wrap， 全都改为227x227，改变尺寸势必会影响到检测效果，所以能不能不改变尺寸？
因此SPP提出的更新：取消了crop/warp图像归一化过程，采用空间金字塔池化（SpatialPyramid Pooling ）替换了 全连接层之前的最后一个池化层（因为rcnn提取的是Pool5层的特征）：
SPP结构图：
存在的不足：
1）和RCNN一样，训练过程仍然是隔离的，提取候选框 | 计算CNN特征| SVM分类 | Bounding Box回归独立训练，大量的中间结果需要转存，无法整体训练参数；
2）SPP-Net在无法同时Tuning在SPP-Layer两边的卷积层和全连接层，很大程度上限制了深度CNN的效果；
3）在整个过程中，Proposal Region仍然很耗时。