目标检测--R-CNN

论文文献：Rich feature hierarchies for accurate object detection and semantic segmentation

算法流程图

1、产生目标区域候选

滑窗：

为了检测目标物体的可能位置，我们采用不同尺度的矩形方块，在图像上水平、垂直移动，以便能够检测到可能目标位置。而这个矩形方块就是滑窗。
这种方法的缺陷：我们不知道目标物体的大小，而使用这种方法进行穷举，计算量太大。

selective search：

R-CNN目标检测所采用的方法。
selective search的策略，既然是不知道尺度是怎样的，那我们就尽可能遍历所有的尺度好了，但是不同于暴力穷举，我们可以先得到小尺度的区域，然后一次次合并得到大的尺寸就好了，这样也符合人类的视觉认知。既然特征很多，那就把我们知道的特征都用上，但是同时也要照顾下计算复杂度，不然和穷举法也没啥区别了。最后还要做的是能够对每个区域进行排序，这样你想要多少个候选我就产生多少个，不然总是产生那么多你也用不完不是吗？

2、CNN目标特征提取

选择2K个置信度最高的区域候选之后，首先是用AlexNet模型，进行无监督的预训练初始化CNN的参数。之后进行迁移学习，RCNN使用ImageNet的有标签数据进行有监督的预训练，然后再在本数据集上微调最后一层全连接层。训练CNN的样本量还是不能少的，因此RCNN将正样本定义的很宽松，为了尽可能获取最多的正样本，RCNN将IOU>0.5（IoU 指重叠程度，计算公式为：A∩B/A∪B）的样本都称为正样本。并且CNN对于输入的图片大小都要求尺寸一致，所以对于每一个候选区域缩放到227*227。
CNN特征层选取
现在CNN已经能够提取到目标的特征了，但是CNN的层数很多，选择哪一层作为特征提取层呢？RCNN进行了宽泛的实验，最终选择的fc层。

3、目标种类分类器

通过R-CNN提取了特征之后，使用SVM进行分类，由于SVM要进行精确的分类，所以将IOU>0.3的样本作为负样本，这样也是SVM困难样本挖掘的方法。

4、贪婪非极大值抑制

由于最后得到的目标区域肯定不会是一个，所以RCNN使用贪婪非极大值抑制的方法，假设ABCDEF五个区域候选，首先根据概率从大到小排列。假设为FABCDE。然后从最大的F开始，计算F与ABCDE是否IoU是否超过某个阈值，如果ABC超过则将ABC舍弃。然后再从D开始，直到遍历结束。而这个阈值是筛选得到的，通过这种处理之后一般只会剩下几个区域候选了。

5、BoundingBox回归

为了能够提高准确度，让方框准确的框住所要检测的目标，RCNN在贪婪非极大值抑制后进行BoundingBox回归，进一步微调BoundingBox的位置。

R-CNN缺点

RCNN虽然效果很好，但是存在一些问题，比如时间代价太高了，网络训练是分阶段的，太麻烦了等。