R-CNN 学习笔记

R-CNN学习笔记

这是深度学习的又一个比较大的创新。可以说利用深度学习进行目标检测的开山之作。这篇文章主要是讲利用对region proposal进行提取特征放入CNN，所以叫做R-CNN。

下面就说说我读完这篇论文，我自己读懂，理解的东西。

首先先说一下这个算法的过程。

首先是对每一个输入的图像利用selective search的算法提取大约2000个建议框，也就是我们所说的proposal, 然后利用CNN对每一个proposal进行特征提取，特征长度是4096维。接下来，我们利用SVM分类器对这些特征进行分类，将特征送入每一类的SVM分类器，判断是否属于该类。最后，再使用回归器精细修正候选框的位置。

在物体检测的时候，我们会遇到有标签的训练数据太少这个问题。这篇论文提出，我们可以利用caffe的开源库，利用imageNet中的参数作为用于检测的网络的初始参数