tsq292978891的博客

原文地址：http://blog.csdn.net/hjimce/article/details/50187029作者：hjimce一、相关理论    过去十年在许多视觉识别任务中主要流行的是SIFT与HOG（这两种方法都是基于图像中梯度方向直方图的特征提取方法），但在过去十年中的进步非常缓慢。R-CNN是第一次将CNN用到目标检测领域上来的算法。（待确

paper链接：Rich feature hierarchies for accurate object detection and semantic segmentation（21页的论文）21页的论文中有更详细的解释，关于bbx regression, region proposal的缩放等细节操作。&创新点采用CNN网络提取图像特征，从经验驱动的人造特

Reference link:http://caffecn.cn/?/question/160Question:我只知道，输入检测到的box，回归的是检测到box中心点，以及box长和宽到标记的box的映射。看过rcnn的回归的过程，就是把那个loss函数最小。注意：最后做回归的特征是pool5之后得到的9000多维的特征向量。此外，为了避免

转载自：http://blog.csdn.net/guojingjuan/article/details/55260907一般来说，一个 CNN 网络中不同的 layers 有着不同尺寸的 感受野（receptive fields）。这里的感受野，指的是输出的 feature map 上的一个节点，其对应输入图像上尺寸的大小。具体的感受野的计算，参见下篇 blog：

因为SPP-Net这篇论文中提到了Bow模型，因此有必要了解一下。BOW即Bag of words，词袋模型。广泛应用于自然语言处理和信息检索领域（NLP+ Information retrieval）。也可以用到计算机视觉中。其主要思想是要构成一个词袋，然后用词袋中的元素来对一个实例进行编码，构成一个特征向量。举例：在信息检索中，Bag of words model假

问题描述如下：数据集A中训练得到的模型Model-A，现在有一个新的数据集B，但是数据集A和B之间的尺寸差异比较大，数据集A中的物体所占的尺寸相较于B而言，尺寸比较小，因此用Model-A对数据B中的图片提取特征的时候，可以对输入图片Resize到一个更大的Size，这样输入到Model-A中的图片中的物体的尺寸就变大了，这种不一致的问题就得到了缓和。在SPP-Net论文中，作者做