目标检测开山之作：R-CNN

R-CNN全称：Region with CNN feature

延续传统目标检测的思想。
区域选择→特征提取→分类器分类

具体流程：

1、生成候选框，筛选

• 采用selective search算法（选择搜索），进行图像分割。

• 用非极大值抑制（NMS）确定候选框

   1、根据置信度得分进行框的排序
   2、将置信度最高的候选框放入输出列表
   3、用IOU（交并比）判断候选框之间的重叠大小，设置一个阈值（经验值取0.3）
   超过阈值的去掉。（合并包含同一物体的可能性高的区域）。
  

• 大约提取2000个候选区域。由于不同的目标，尺度不同，候选框也就不同，所以要进行归一化（放缩或裁剪），得到固定大小的图像以便后面作为卷积的输入。

交并比（IOU）：

置信度：

Groundtruth是真实位置，Boundingbox是框选的预测位置
置信度和IOU不是同一个值
置信度=预测框包含目标物体的概率×预测框和真实物体区域交并比
如果网格中不存在预测框，预测框和真实物体区域没有重叠部分，则P(object)=0，置信度为0.

2、CNN特征提取

• 用LeNet-5进行特征提取，输入图像的尺寸为32×32
• 也可以换其他网络进行特征提取。AlexNet(227×227)、VGG16，19(224×224)、inception (至少224×224)、resnet(224×224）
  
• 只是用来特征提取，最后lflatten为特征向量

3、 分类与回归

• 得到图像分类的准确率（SVM分类器）
• 位置精修，回归预测边框的置信度。
  

4、评价指标：

不同于分类问题，目标检测问题不仅要评价识别准确率，还要评价预测框。
即使你的目标检测器在图片中检测到猫，但如果你无法定位，它也没有用处。由于你要预测的是图像中各个物体是否出现及其位置。

• 计算IOU，作为评价边界框正确性的度量指标
• 计算精确率precision和召回率recall
  
  
• 计算mAP(这个指标常用于信息检索和目标检测领域。两个领域的计算方式不同，这里只考虑目标检测)
  AP：平均精确率，这个是召回率作为横坐标，精确率作为纵坐标，得到一个P-R曲线，这个曲线下的面积就是AP
  
  mAP就是所有类别的AP求和取平均值。

存在问题：

1、训练步骤较多，繁琐，速度慢。
2、涉及分类中的全连接网络，因此输入尺寸是固定的，而目标物的尺度不一样，只能放缩，导致精度降低。
3、候选区域需要提前提取并保存，占用空间大。