R-CNN系算法

Part 1理论知识学习：
首先我学习了R-CNN系的几个主要算法，
1.R-CNN
我在上一周了解了目标检测的两个主要任务为物体的分类和定位。为了完成这两个任务，R-CNN的主要思想是利用计算机网络中滑动窗口的思想，采用对区域进行识别的方案。具体来说，就我理解应该是分以下四个步骤
一． 输入图片，用某种特定的算法提取出2000个类别独立的候选区
提取候选区。我们第一步的目的是获得2000个目标候选区域，有很多算法都可以完成这个任务，但是我看大多数用的好像都是一种叫Selective Search的算法，这个算法我大致看了一下。原理应该就是用传统的方法将图像分成很多个小区域，再根据相邻小区域的特征，来合并这些小尺寸的区域，从而得到大尺寸的区域，实现候选去的选取。
二． 对每个候选区域用卷积神经网络（有待深入研究）获取特征向量
这一步主要使用CNN（convolutional neural networks）提取对应的特征向量。用的是AlexNet模型，但是这里好像涉及一个图像大小与模型兼容的问题，而上一步用的selective search产生的区域大小和这个模型并不一致，R-CNN这个算法暴力的将尺寸统一。
然后涉及到如何训练数据的问题，这也分两步走。
第一步是一个有监督的预训练，采用ImageNet这个图片数据库作为样本，只训练和分类有关的参数（因为ImageNet数据只有分类，没有位置标注），然后将图片尺寸统一调整为227*227，最后一层为4097维向量->1000向量的映射。
第二步是针对特定样本的微调，