Evolution Plan--RCNN 2014-RBG

 ILSVRC 2012--image classification

PASCAL VOC--object detection

 

 总共分为三部：1.region proposals  2.Feature extraction 3. a set of class-specific linear SVMs

1.采样时采用selective search的方法。

2. extract a 4096-dimensional feature vector from each region proposal

 网络结构：five convolutional layers and two fully connected layers 

输入：227x227的RGB图片

将小框周围的所有像素包起来，包裹之前，将小框放大使得包裹的时候有p个被包裹起来的像素是原框周围的背景信息。

在识别时，在测试图片上提取2000个区域提案，对于每一个区域：修正区域大小以适合CNN的输入，做一次前向运算，将第五个池化层的输出（就是对候选框提取到的特征）存到硬盘。将每个提案包裹起来经过CNN得到它们的特征，对于每一类，使用为这一类训练的SVM，得到每个提取的特征向量的得分，得到一张图上所有区域的得分后使用NMS（每类独立）。特征矩阵是2000x4096，SVM的权重矩阵是4096xN，N是类别个数。