[深度学习]RCNNs系列（2）RCNN介绍

RCNN是整个RCNN系列的开端，也是使用卷积神经网络进行目标检测的一类重要方法的开端，下面我们来看一下RCNN算法。

RCNN是rbg大神在2013年发表的《Rich feature hierarchies for accurate object detection and semantic segmentation》一文中提出的算法，其实算法的思想在现在来看非常的简单，而且也很容易想到，然而这个算法一出却极大的提升了检测的效果。

1. RCNN的检测流程

RCNN主要分为3个大部分，第一部分产生候选区域，第二部分对每个候选区域使用CNN提取长度固定的特征；第三个部分使用一系列的SVM进行分类。

下面就是RCNN的整体检测流程：

（1）首先输入一张自然图像;

（2）使用Selective Search提取大约2000个候选区域（proposal）;

（3）对每个候选区域的图像进行拉伸形变，使之成为固定大小的正方形图像，并将该图像输入到CNN中提取特征;

（4）使用线性的SVM对提取的特征进行分类

下面我们来分布介绍这几个步骤。

1.1 候选区域的产生

这里介绍的比较简单，RCNN使用Selective Search算法提取图像中的候选区域（因为我关注RCNN系列比较晚，直接应用的Faster RCNN，就没有关注Selective Search算法，这里也就不介绍了）

1.2 CNN特征提取

作者使用AlexNet