RCNN论文总结

1.算法流程

本篇论文采用的方法是：首先输入一张图片，然后用选择性搜索（SS）的方法给出2000个物体候选框，接着利用CNN网络对每个候选框提取特征向量，最后用SVM对每个候选框中的物体进行分类识别和用回归器精细修正候选框的位置。
算法的具体流程如下图所示：

2.区域候选框

RCNN论文采用的是传统的选择性搜索的方法来生成2000个大小各不相同的矩形候选框。从上面的算法流程我们可以知道，下一步是要将这些候选框送入CNN进行特征计算，由于CNN网络的输入是尺寸固定的，所以在进行特征提取之前要把区域候选框固定到统一的大小。
RCNN论文采用了两种方法来对候选框的大小进行处理：
（1）各向异性缩放
这种方法的思路就是不管图片的尺度是多少，也不管图片是否扭曲，全部缩放到CNN输入所需的尺寸。如下图D所示。
（2）各向同性缩放
因为图片扭曲之后，估计会对后续CNN网络的训练精度有影响，所以作者试验了两种“各向同性缩放”方法。
①直接在原始图片中，将bounding box的边界扩展延伸成所需尺寸，然后再进行剪裁；如果已经延伸到原始图片的外边界，就用bounding box中的颜色均值填充，具体结果如下图B所示。
②先把bounding box图片剪裁出来，然后用固定的背景颜色填充成所需尺寸图片，具体结果如下图C所示