RCNN 论文学习笔记

1. 主要突破

        经典的目标检测算法使用滑动窗法依次判断所有可能的区域。本文则预先提取一系列较可能是物体的候选区域，之后仅在这些候选区域上提取特征，进行判断。

       经典的DPM目标检测算法在区域中提取人工设定的特征（Haar，HOG）。本文则需要训练深度网络进行特征提取。可供使用的有两个数据库：
       一个较大的识别库（ImageNet ILSVC 2012）：标定每张图片中物体的类别。一千万图像，1000类。 
       一个较小的检测库（PASCAL VOC 2007）：标定每张图片中，物体的类别和位置。一万图像，20类。 
       本文使用识别库进行预训练，而后用检测库调优参数。最后在检测库上评测。

2. 提取推荐框

     采用selective search，基于graph-cut产生过分割，然后重复迭代将相似度高的区域合并，合并停止后，现有的区域就是候选区域。

3.  具体训练流程

(1)有监督预训练：使用ILSVRC2012图像库进行分类，仅仅对每张图片的类别进行分类，学习率为0.01.

(2)有监督微调：使用带类别和目标位置标记的PASCAL VOC 2007库，将CNN网络的最后一层全连接层更换为目标类别数21个神经元(多出的一个神经元为背景类)，对于每幅图像的推荐框，与真实框重叠0.5以上的推荐框作为正样本，其他推荐框作为负样本（注意正负样本都是从推荐框中取），学习率为0.001，对于每一批训练样本，采用32个正样本和96个负样本。

(3)使用hard negative mining进行网络优化：即将测试数据中出现的false positive加入到负样本中，再次进行训练