Eric Woo

在本文中提出了一种简单且可扩展的检测算法，相对于VOC 2012先前的最佳结果，平均精度（mAP）提高了30%以上，达到了53.3%的mAP。由于本文将区域提议与CNN结合在一起，因此将此方法称为R-CNN：具有CNN特征的区域。本文还将R-CNN与OverFeat进行了比较，后者是一种基于类似CNN架构的滑动窗口检测器。（2）在标记的训练数据稀缺时，针对辅助任务进行监督预训练，然后进行领域特定的微调，可以显著提高性能。（1）可以将高容量的卷积神经网络（CNN）应用于自下而上的区域提议，以定位和分割物体；

在测试数据上，实现了39.7%的top-1错误率和18.9%的top-5错误率，这比以前的最先进结果要好得多。这个神经网络有6000万个参数和500,000个神经元，由五个卷积层组成，其中一些后面跟着最大池化层，并且有两个全局连接层，最后是一个1000路softmax。为了减少全局连接层的过拟合，采用了一种新的正则化方法，证明非常有效。文章训练了一个大型的深度卷积神经网络，将LSVRC-2010 ImageNet训练集中的130万张高分辨率图像分类为1000个不同的类别。