【目标检测】RCNN, Fast-RCNN, Faster-RCNN 目标检测算法总结

之前有看过这几篇论文，但都不是了解特别清楚。这次索性做个纵向对比，重新把这几篇论文翻出来看，也当做一个阅读笔记。
目前的目标检测算法主要分为两类：一类是以RCNN领头的two stage的检测算法。另一类是以Overfeat领头的one stage算法。其主要的综述可以看
https://zhuanlan.zhihu.com/p/33277354
各项指标可以看以下链接：
https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html

RCNN

可以由上述的overview看到，RCNN主要分为三部分：1）提取proposals 2）CNN提取特征 3）分类。

1）提取特征： RCNN还是采取了传统的proposal算法：Selective Search 算法对 目标region进行提取。事实上，由于我们知道 Region proposals 提取下来后 尺寸大小不一，然后在特征提取时，采用了CNN进行提取特征，此处RCNN采取了Wrapped, 即无视原来的大小和长宽比，强行将proposal的大小拉伸至227 x 227。
2）提取特征： 对每一个proposal进行CNN提取特征。（其实我们可以看到，这种操作为RCNN带来了巨大的计算量）
3）分类： RCNN中采用了SVM对CNN提取下来的特征进行分类。特征矩阵为 2000x4096， 则SVM的权重矩阵为4096xN，其中N为类别数。

Note:
1. CNN后面接一个Softmax就能分类， 为什么RCNN把CNN提取特征和分类给分开做？
由于训练数据不一样：
CNN提取特征的时候，设置IOU>0.5的作为正样本，其他作为负样本。
在一个mini-batch中，作者32个正样本，96个负样本进行输入。
而SVM中：作者将groud truth作为正样本，IOU<0.3的为负样本，其他忽略。
2.由于把CNN提取特征和SVM分类两个任务分开，需要在硬盘上存入大量样本数据，容易造成 disk-hungry.
3. 上面也提到，RCNN对每一个proposal都进行了CNN操作，存在着