[深度学习从入门到女装]R-CNN

论文地址：Rich feature hierarchies for accurate object detection and semantic segmentation

 

本文基本上是首创使用CNN进行目标检测的方法，整个算法分为三步：

1、Region proposals

使用selective search对于图像选取2000个候选框

2、Feature extraction

对每个候选框进行尺寸的调整使用wrap等操作得到227*227尺寸的图像，使用CNN网络（5个卷积层，2个FC层，使用ILSVRC2012进行pre-training，并使用wrap后的图像进行fine-tuning）对每个候选框进行特征提取，最后得到4096维特征

3、Classify regions

使用SVM对每个候选框进行分类打分，再使用greedy non-maximum suppression（非极大值抑制，参考https://blog.csdn.net/zziahgf/article/details/78525279）对每个类别进行独立判定

 

总结

每个图像都要提取2k个候选框后在进行特征提取，重复计算过多，整个算法分为三步进行，无法实现end-to-end