Современные сети обнаружения объектов зависят от алгоритмов предложения региона для гипотезы местоположения объектов. Такие достижения, как SPPnet и Fast R-CNN, позволили сократить время работы этих систем определения местоположения, что позволило выявить узкое место в вычислениях предложений по районам. В этой работе мы представляем Сеть региональных предложений (RPN), которая предлагает полную картину конволюционных акцентов с системой распознавания, что, соответственно, расширяет возможности без затрат на предложение района. RPN – это полностью конволюционная организация, которая в то же время предсказывает границы статей и баллы объективности на каждой позиции. RPN готов начать и закончить создание большого предложения по району, которое используется Fast R-CNN для идентификации. В дальнейшем мы консолидируем RPN и Fast R-CNN в единую систему, разделяя их конволюционные акценты – используя как поздние основные фразы нейронных систем с инструментами “рассмотрения”, сегмент RPN советует объединённую систему, на которую можно посмотреть. Для чрезвычайно глубокой модели VGG-16, наша система идентификации имеет скорость 5 кадров в секунду (считая все средства) на GPU, при этом достигается лучшая в своем классе точность распознавания объектов на PASCAL VOC 2007, 2012 и MS COCO наборах данных с всего 300 рекомендациями для каждой картинки. В соревнованиях ILSVRC и COCO 2015, более быстрые R-CNN и RPN – это установление первых мест в нескольких трассах. Код был открыт для свободного доступа.