目标检测，从over feat到R-CNN的总结

首先我们看over feat：

它的基本思路是通过构建不同大小的建议框，以一种暴力破解的方式滑动候选框，计算当前位置是这个物体的概率，选出概率最大的框。

R-CNN如下图所示：

首先一张图片输入进来，会用大约2000个候选框，然后为了适应CNN将这些候选框进行变形送进CNN，然后将CNN得到的特征向量送入SVM得到图像的类别，回归得到正确的候选框的位置。