关于frcnn的一些笔记整理……

全段时间说写，一直也没有写，开学遥遥无期，赶紧充充电！
一文读懂目标检测：R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD

目标检测算法总结

1、传统视觉：Cascade + HOG/DPM + Haar/SVM以及上述方法的诸多改进、优化；
2、候选区域/框 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：
R-CNN（Selective Search + CNN + SVM）
SPP-net（ROI Pooling）
Fast R-CNN（Selective Search + CNN + ROI）
Faster R-CNN（RPN + CNN + ROI）
R-FCN
等系列方法；
3、基于深度学习的回归方法：YOLO/SSD/DenseBox 等方法；以及最近出现的结合RNN算法的RRC detection；结合DPM
DeformableCNN等

原文很好的总结了常用算法的优缺点，及步骤，现在搬运一下:

RCNN
1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Sear