RCNN、SPPnet、Fast-RCNN 论文学习笔记

------R-CNN、Fast-Rcnn、Fast-Rcnn是目标检测的一系列顶会论文，自己也看了好久，才慢慢有所感悟，这里做个记载。看论文原版还是最好的选择，但由于论文都是英文，且有大量引用前人已有的思想，对于小白来说，直接看论文并不友善，可以选择网上已有的论文解读，大致了解思想，然后有针对性的阅读论文原版，可能会事半功倍。

给出RGB大神博客，基本论文还有源码、slides都可以找到：
【RGB大神博客】
推荐个讲解很好的网站:
Gluon.ai

------object detection是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。已有的 CNN 和好地解决了图片中物体是什么的问题，即分类，接下来几篇论文可以看到物体检测大致的发展流程。

R-CNN

基本思想是： 在图片中框出大量区域，每个区域进行物体分类，进而得到目标检测的结果。

1. 图片中选出大量候选框（选择性搜索，selective search）
2. 对每一个候选框，进行大小修正，以适合后面卷积网络（保证卷积网络输出大小为固定值）
3. 对每一个区域，进行特征提取（CNN），随后使用SVM进行分类
4. 训练一个线性回归模型，使用回归模型精细修正候选框的位置。该回归模型使用Loss函数为 bounding box IOU。


selective search

R-CNN 使用了选择性搜索Selective Search（SS）在图片中获得大约2k个候选框。
其基本思路如下所述：

使用过分割方法将图像分成很多小区域。在此之后，观察现有的区域，之后以最高概率合并两个区域。重复此步骤，直到所有图像合并为一个区域位置。注意，在此处的合并规则与RCNN是相同的，优先合并以下四种区域： 颜色（颜色直方图）相近的； 纹理（梯度直方图）相近的； 合并后总面积小的。最后，所有已经存在的区域都被输出，并生成候选区域。

论文原文对网络结构的描述

---

------ Our object detection system consists of three modules. The first generates category-independent region proposals. These proposals define the set of candidate detections available to our detector. The second module is a large convolutional neural network that extracts a fixed-length feature vector from each region. The third module is a set of class specific linear SVMs.


------Region proposals. While R-CNN is agnostic to the particular region proposal method, we use selective search to enable a controlled comparison with prior detection work (e.g., [34, 36]).