Faster R-CNN学习笔记（RBK）

  拜读RBK的前两篇论文：Region-based Convolutional Networks for

Accurate Object Detection and Segmentation和Fast R-CNN，用局部卷积神经网络来识别目标。

  前两篇论文的思想是一样的，都是使用其他的方法先提取待识别目标的候选区域，objectness [51], selective search [21], category-independent
object proposals [52], constrained parametric min-cuts
(CPMC) [22], multi-scale combinatorial grouping，我也用过edgebox的方法来提取候选区域。

    提取出一幅图像的候选区域之后，再对每个候选区域提取出CNN特征，再通过SVM分类的方法，来识别出目标的种类。

    fast-RCNN相比之前有改进，在训练阶段和测试时候速度有提升，但是对实时检测目标来说，速度还是不够快。

    RBK后来先出的论文，Faster R-CNN: Towards Real-Time Object Detection
with Region Proposal Networks。共享计算图像卷积特征的结果，用来同时计算出图像的候选区域，以及打分识别出图像内容，关键是还有源码，大赞，是基于caffe框架下的，大赞。