论文：RCNN

Rich feature hierarchies for accurate object detection and semantic segmentation

论文：https://arxiv.org/abs/1311.2524

更多 目标检测

架构

R-CNN的流程：

1. 提取2000个候选框
2. 从每个候选框提取特征向量
3. 使用SVM分类器对每个特征向量进行分类
4. 使用回归其修正候选框

模块设计

候选框。虽然R-CNN对于特定候选区域方法是未知的，但作者使用选择性搜索来提取候选区域。

特征提取。由于AlexNet 的输入是固定的 $227\times 227$，候选区域使用 AlexNet 提取一个4096维的特征向量，因此，需要将候选区域大小重置为$227\times 227$。在重置前，将候选区域膨胀并加框。

在测试时，我们对测试图像进行选择性搜索，提取出大约2000个候选框。我们重置每个候选框，使用CNN对每个候选框提取特征向量（固定长度4096），2000个4096为特征矩阵（2000 x 4096），每个类别使用一个SVM对特征向量进行分类，得到类别概率，类别数为N，类别概率矩阵为 2000 x N，特征矩阵到概率矩阵：
$${\left[\begin{array}{cccccc}& & & & & \\ & & & & & \end{array}\right]}_{2000\times 4096}{\left[\begin{array}{ccc}& & \\ & & \\ & & \\ & & \end{array}\right]}_{4096\times N}={\left[\begin{array}{cc}& \\ & \end{array}\right]}_{2000\times N}$$
$4096\times N$为权重矩阵。

概率矩阵的行为候选框，列为类别，对概率矩阵应用非极大值抑制(对每个类别独立)剔除重叠的候选框，如果它有一个交集和并集比(IoU)重叠，如果得分最高的候选框IoU大于学习阈值，则选择候选框。

对象的类别分类器。考虑训练一个二值分类器来检测汽车。很明显，一个紧紧包围着一辆汽车的图像区域应该是一个正样本。同样地，与汽车无关的背景区域显然是一个负样本。不太清楚的是，如何给部分与汽车重叠的区域贴上标签。我们用 IoU重叠阈值 解决了这个问题，低于这个阈值的区域被定义为阴性。重叠阈值0.3是通过网格搜索{0,0.1，…，0.5}。我们发现仔细选择这个阈值很重要。将其设置为0.5，如在[39]中，将mAP减少5点。同样地，将其设置为0将减少4点的mAP。正样本被简单地定义为每个类的真实边界框。一旦特征被提取和训练标签被应用，我们优化每个类一个线性支持向量机。