R-CNN

一、文章概述

文章思路：对于输入的图片，首先使用Selective Search给出2000个物体建议候选框（Region Proposal），然后使用CNN提取每个Region Proposal中图片的特征向量，采用多个SVM分类器对各个候选框中的物体进行分类(compute score)，得到的是一个region-bounding-box及对应的类别，再利用IOU得到具体的框，为了精确bounding-box，再根据pool5 feature做了个bounding-box 回归来提高定位精度。

二、 训练中涉及的主要技巧

•  IOU的理解

在目标检测领域，我们使用检测算法对物体进行定位并识别，因为检测算法很难和人工标注的数据完全匹配，就需要一个评价定位精度的指标：IOU。IOU定义了两个bounding box的重叠程度，如下图所示：

矩形框A、B的一个重合度IOU计算公式为：IOU=(A∩B)/(A∪B)

物体检测需要定位出物体的bounding box，对于上面的图像，我们不仅要给出狗的bounding box ，还要识别出bounding box 里面的物体是狗。假设红色框A是