RCNN、Fast RCNN、Faster RCNN的介绍与比较

一：RNN

RCNN使用以下四步实现目标检测：
1. 在图像中确定约1000-2000个候选框 (使用选择性搜索)
2. 每个候选框内图像块缩放至相同大小，并输入到CNN内进行特征提取 
3. 对候选框中提取出的特征，使用分类器判别是否属于一个特定类
4. 对于属于某一特征的候选框，用回归器进一步调整其位置

一：合成规则：

一：颜色相近的（颜色直方图）

二：纹理相近的（梯度直方图）

三：合并后总面积小的（避免大面积区域陆续吞并小面积区域）

四：合并后，总面积在其BBOX占比小的（合并拼接面积大的区域、保证合并后的形状趋近方形）

二：提取特征

使用深度网络提取特征之前，首先把候选区域归一化成同一尺寸227×227。
此处有一些细节可做变化：外扩的尺寸大小，形变时是否保持原比例，对框外区域直接截取还是补灰。会轻微影响性能。

预训练采用Image Net 上的分类网络，根据需要微调全连接层

三：类别判断：

对每一类目标，使用一个线性SVM二类分类器进行判别。输入为深度网络输出的4096维特征，输出是否属于此类。
由于负样本很多，使用hard negative mining方法。
正样本：本类的真值标定框。
负样本：考察每一个候选框，如果和本类所有标定框的重叠都小于0.3，认定其为负样本

四：位置调整

目标检测问题的衡量标准是重