RPN의 도입으로 인해 R-CNN에서의 주요 단점인 계산 비효율성 문제가 크게 해결되었습니다. 이미지를 한 번만 스캔하면 되므로 처리 시간이 크게 단축되며, 딥러닝 기반의 방식이므로 정확도도 높아집니다. 또한 Fast R-CNN은 객체 분류에는 딥러닝을 사용하지만, 영역 제안 단계에서는 전통적인 방식을 사용했습니다. Faster R-CNN은 한 번에 학습이 가능한 단일 네트워크 구조를 가집니다. 이렇게 한 네트워크 전체를 한 번에 학습시키는 학습 방법론을 end-to-end 학습법이라고 합니다. RPN과 분류하는 부분이 모두 동일한 특징 맵을 공유하므로, 한 번의 순전파로 필요한 모든 정보를 추출할 수 있습니다. 이 점은 연산 속도와 학습의 효율성을 모두 향상시킵니다.