One stage 与two stage 解释
Two stage:首先产生候选区域（region proposals），然后利用卷积神经网络对候选区域分类（一般还需要对位置精修）
stage 1：从图像中生成regional proposal（物体备选框，本质上是对物体边框的初步猜想）
Stage 2：从regional proposal 中生成最终的物体边框。
典型的backbone有VGGNet、ResNet
网络的准确度高、速度相对One-stage慢。
经典算法：
One stage :其不需要region proposal阶段，直接产生物体的类别概率和位置坐标值，经过单次检测即可直接得到最终的检测结果，因此有着更快的检测速度。
经典算法：
