RCNN理论

区域卷积神经网络：Regions with CNN features，简称 R-CNN

论文：Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation (thecvf.com)

cnn识别整个图像，输出一个结果

R-cnn识别整个图像，输出多个结果

 

 

 RCNN分为四步：

　　1. 提取候选区

　　采用selective search(SS,选择性搜索)来进行region proposal的选取

　　2. CNN进行分类

　　使用CNN网络对选取的2000存在物体的潜在区域进行特征提取。但是可能存在一些问题，由于上一步Region proposals所提取出来的图像的尺寸大小是不一样的，我们需要卷积后输出的特征尺度是一样的，所以要将Region proposals选取的区域进行一定的缩放处理（warped region）成统一的227x227的大小，再送到CNN中特征提取。

　　R-CNN特征提取用的网络 模型是对ImageNet上的AlexNet（AlexNet网络详解）的CNN模型进行pre-train（以下有解释，可先行了解pre-train）得到的基本的网络模型。

　　然后需要对网络模型进行fine-tune，这时网络结构需要一些修改，因为AlexNet是对1000个物体分类，fc7输出为1000，因此我们需要改为（class + 1）若类别数为20则应改为20+1=21个节点，加一的原因是对图像背景类识别，判断是不是背景。其他的都用AlexNet的网络结构fine-tune（全连接），其中包括五层卷积和两层全连接层。

 

 

 

 　　

 

 　　参考文献：卷积神经网络（三，R-CNN） - 知乎 (zhihu.com)

　　3. SVM进行分类

　　训练一个SVM分类器（二分类）来判断这个候选框里物体的类别，每个类别对应一个SVM，判断是不是属于这个类别，是就是positive，反之nagative

　　为什么训练一个分类器？

　　　　效果不好

　　　　IOU大于0.5标记为正样本，其他的标记为背景，而在训练SVM的时候，IOU小于0.3的标记为负样本，ground truth为正样本，其他的丢弃。

　　　　在训练CNN的时候对正例样本定义相对宽松，会在一定程度上加大正例的数据量，防止网络的过拟合，而SVM这种算法的机制，适合小样本的训练，因此对真样本限制严格

　　

 

 

 

　　4. 边界盒回归

　　就是将把图片变成正常的

　　(98条消息) 边框回归(Bounding Box Regression)详解_南有乔木NTU的博客-CSDN博客_bounding box regression

中英文对照：