论文笔记：Rich feature hierarchies for accurate object detection and semantic segmentation（R-CNN）

论文笔记：RCNN

这是CVPR 2014的一篇经典论文，首次提出R-CNN检测网络，虽然速度很慢，但是在那个时间点已经算是一个开创性的工作了。

简介

这篇文章提出了一个二阶段的方法进行目标检测。第一步通过一个卷积神经网络生成2000个区域提案。第二步通过神经网络提取特征向量；第三步通过SVM将特征向量分类。最后通过非极大值抑制NMS删除IOU大于0阈值的框。

具体实现

区域提案

通过快速模式的选择性搜索获得2000个提案、

特征提取

对于获得的提案，在将区域尺寸变换到227*227（神经网络输入尺寸）之前，先将提案的区域扩充以增加环境信息，并确保尺寸变换之后，环境信息有p像素宽（p=16）。
神经网络对每一个区域提取出一个4096维度的特征向量。

分类

使用一个权重系数矩阵为$4096\times N$尺寸的SVM将特征向量分成N类。

训练

CNN用ILSVRC 2012数据进行预训练，使用VOC进行fine-tune。训练分类器时，考虑到样本过多，采用难例挖掘（hard negative mining method）选择样本训练SVM。

性能

一张图片13s（GPU），mAP比之前最好的算法提高了30%