R-CNN理解

RCNN（Regions with CNN features）是使用CNN方法解决图片中目标检测问题，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题的转化。

        算法可以分为四步：

        1）候选区域选择

        Region Proposals是CNNs使用的一类传统的区域提取方法，主要进行特定目标检测，比如人脸、行人可以看作不同宽高的滑动窗口，通过窗口滑动获得潜在的目标图像，RCNN采用的是SelectiveSearch，RCNN的候选区域选择2000个；

        根据Proposal提取的目标图像进行归一化（进行warp），作为CNN的标准输入。

        2）CNN特征提取

        标准CNN过程，根据输入进行卷积/池化等操作，得到固定维度的输出（224*224）；

       并且RCNN通过使用权值共享和低维输入（相对于其他算法），因此速度极大提升

        3）分类与边界回归

        实际包含两个子步骤，一是对上一步的输出向量进行分类（需要根据特征训练分类器）；二是通过边界回归（bounding-box regression) 得到精确的目标区域，由于实际目标会产生多个子区域，旨在对完成分类的前景目标进行精确的定位与合并，避免多个检出。

        RCNN存在三个明显的问题：

1）多个候选区域对应的图像需要预先提取，占用较大的磁盘空间；

2）针对传统CNN需要固定尺寸的输入图像，crop/warp（归一化）产生物体截断或拉伸，会导致输入CNN的信息丢失；

3）每一个ProposalRegion都需要进入CNN网络计算，上千个Region存在大量的范围重叠，重复的特征提取带来巨大的计算浪费。

4）训练步骤繁琐（预训练+微调+SVM+训练bbox）

5）训练、测试速度均比较慢