【RCNN系列】R-CNN

⭐ R-CNN

参考文献：《Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation（2014）》

R-CNN算法全名为区域卷积神经网络，遵循传统目标检测算法的流程，将整个任务分为：候选区域生成、CNN网络提取区域特征、分类、预测框回归四个部分。

---

✔️诞生背景

传统视觉特征SIFT和HOG用于检测系统，性能提升缓慢；CNN用于分类效果好，能否提升检测性能？传统方法在图片上穷举候选区域，太慢。

✔️网络结构

• 生成候选区模块：SS(selective search)，利用边缘、纹理、色彩变化等信息生成2000个候选区域。每个区域可能有1个物体，与类别无关。
• 提取特征的CNN模块：骨架是AlexNet用ImageNet预训练，将候选区缩放大小后(227×227)送入网络提取特征，将FC输出的1000改为N(检测类别)+1(背景)，进行fine-tune。