步骤一：
找到一个CNN分类模型
步骤二：
对于这个模型修改最后的分类层，为21类，去掉最后一个全连接层
步骤三：
根据选择性搜索提取图像的候选区域（框）
对于候选框修改大小以适应CNN输入，然后得出feature map即为提取到的特征
步骤四：
训练SVM分类器，对特定敏感区域进行分类，每个类别对应一个SVM分类器
步骤五：
使用回归器精细修正候选框位置：对于每一个类，训练一个线性回归模型去判定这个框是否框得完美
