Girshick R等人提供了R-CNN模型，并在大型数据集Pascal VOC 2012中将目标检测的主要验证指数均值、平均精度提高至53.2%。R-CNN不同于其他算法，是使用有选择的搜索算法来确定候选区域，然后对目标进行识别检测，通过这种方式大大的提高了检测的效率，但在进行归一化处理时容易存在图像信息丢失、资源利用率不高等问题。因此，在2015年，He K M等人在 R-CNN 模型的基础上，通过对R-CNN模型的改进，建立了SSP-Net模型。经过对算法进一步的了解和完善，解决了R-CNN模型存在的信息缺失问题。换一种说法

，R-CNN是一种目标检测算法，使用有选择的搜索算法来确定候选区域，然后对目标进行识别检测，提高了检测的效率。但是，在进行归一化处理时容易丢失图像信息和浪费资源。为了解决这些问题，He K M等人在R-CNN模型的基础上建立了SSP-Net模型，进一步完善了算法，解决了信息缺失问题。这些算法都是用于图像处理和计算机视觉领域的。