阅读论文（4）R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation

阅读论文（3）R-CNN：Rich feature hierarchies for accurate object detection and semantic segmentation

参考：

R-CNN算法精讲 - 同济子豪兄 -_哔哩哔哩_bilibili

1.1Faster RCNN理论合集_哔哩哔哩_bilibili

初读

提出R-CNN模型用于在提张图片中框出检测到的物体，并识别图中的各个物体

将region proposals和CNN相结合得R-CNN

两个关键点

1. region proposals和CNN相结合
2. 如果标注的数据比较少，为了使模型表现提升，采用预训练和调整策略

PASCAL VOC

国际顶级计算机视觉竞赛，Pattern Analysis, Statistical Modeling and Computational Learning，涌现了一大批目标检测和分割模型。

ILSVRC 挑战赛使用ImageNet（数据库），涌现了优秀的分类模型Alexnet、Resnet

分类和检测的区别，检测需要在图片中定位出物体

计算机视觉的基本任务

学习路线（经典论文发表时间）

红色是分类模型，绿色是目标检测模型

两个关键点具体是什么

传统物体检测使用的技术是HOG、SIFT（不知道是啥） ， 将ILSVRC上的成果CNN运用到PASCAL VOC 竞赛上用于物体检测，面临两个问题

1. 用CNN定位物体

   解决方法是recognition with regions

   

2. 用少量的标注数据训练容量比较大的CNN

   传统解决方法：使用无监督学习预训练模型，然后再使用监督学习进行微调（fine-turning）

   本文解决方法：使用辅助数据集ILSVRC进行监督学习预训练，然后在PASCAL数据集上进行训练微调

解决的两个问题即是本文的两大主要贡献

R-CNN模型的构成

由3个模块组成

1. 选取候选框

   Selective Search算法，生成2k个候选框

2. 特征提取

   卷积神经网络，提取出4096维特征

3. 线性分类SVMs（支持向量机）

   深度学习神经网络之前的分类器主要是SVM（二分类）

4. bounding-box

   精细修正候选框位置

R-CNN存在的问题

1. 测试速度慢

   Selective Search选取候选框需要2s，且同一个图像选取2k个候选框，特征提取由大量的冗余操作

2. 训练速度慢

   训练过程繁琐

3. 存储空间开销大

   对于SVM和bbox，需要从每个候选框提取特征，并写入磁盘