简记R-CNN、Fast R-CNN、Faster-R-CNN

AlexNet 网络结构

1. R-CNN

1. 采用Selective Search提取图片中2000个Region Proposals
2. 调整每个Region Proposal尺寸，resize至 274*274
3. 利用预训练CNN (AlexNet) 作为特征提取器进行fine-tune提取每个Region Proposal的特征
4. 然后将特征送入Fullly Convolution Layer进行训练
5. 然后将输出特征利用SVM进行分类

2. Fast R-CNN

1. 采用Selective Search 提取图片2000个Region Proposals
2. 改进R-CNN中resize后送入CNN步骤，直接采用CNN提取整张图片特征，得到feature map
3. 根据每个Region Proposal的映射直接在feature map上提取特征
4. 然后采用ROI polling layer对特征进行采样得到固定维度特征
5. 将特征送入全卷积层FC，然后进入两个部分：Softmax、BBOX regressor
6. 改进SVM分类，采用Softmax分类，同时另一部分进入边框回归器fine-tune边框

3. Faster R-CNN

1. 首先采用预训练CNN提取网络特征得到feature map
2. 替换比较耗时的Selective Search，进而改进采用RPN (Region Proposal Network) 提取Region Proposals
3. 将Region Proposal和feature map利用RoI pooling进行特征提取，使得输入FN的维度一致
4. 接入FN层同然后Fast R-CNN