RCNN

RCNN

RCNN是将CNN运用于目标检测的开山之作，跟以前日渐接近瓶颈的传统方法相比，RCNN在性能上有巨大的提升。
RCNN主要结构：
1、生成候选区域region proposals
2、对于每个proposal都使用CNN提取特征
3、将提取的特征送入SVM分类器，判断类别
4、使用回归器精修候选边框位置

Introduction

过去十年多的时间，在目标检测上人们的关注的点都在运用HOG、SIFT上，不过大多数研究都没有明显的提高检测效果，即使有所提高也都是基于原先优秀技术的小变体。直到有一天，RCNN出现了…

获取Region proposal

本文是先选取2000个Region proposal，再对每一个Region proposal进行卷积操作提取特征。那如何确定Region proposal呢？

选择Region proposal的方法是Selective rearch,首先将整张image 分割成很多小块，然后将具有相似纹理（梯度直方图）。颜色（颜色直方图）的邻近小块儿合并在一起，最后输出合并之后的所有区域。（感觉有点像区域生长呢）

提取出Region proposal之后并不能直接送入CNN提取特征，之前要加一个warp操作，为什么呢？因为CNN只能输入固定大小的图像（选取2000个Region proposal，再分别warp，是不是颇为麻烦呢，听说紧接着有一篇SPP-NET优化了这里）

Region proposal选完并warp之后在CNN中进行前向传播，CNN具有参数共享同时维度更低的的优点，降低了计算量，之后通过SVM 计算各个Region proposal的score，根据非最大值抑制（NMS）的方式去除score低的Region proposal。

Training

训练使用Supervised Pre-training+fine-tuning的方式，现在具有1000类的大型数据集ILSVRC 2012上进行预训练，然后再讲训练的模型参数运用于新的较小的数据集VOC中，把1000分类层改为21（20类+1背景）随机初始化的输出层。Region proposal的IOU大于0.3（实验显示选取0.3最好）的为正样本，其余为负。（cut：后面的Visualization, ablation, and modes of error就不说了）