R-CNN(Regions with CNN features)

本篇论文是目标检测的开山之作，之后的大部分文章都是基于本篇论文进行修改和优化得到的产物。

之前的目标检测算法是穷举搜索（ExhaustiveSearch）：使用一个窗口在图片上进行滑动，改变窗口的大小，继续扫描整张图像。通过寻找响应值最高的那个位置作为预测的目标。而本文是首先从图像中提取可能是物体的区域，然后对这些区域进行判断。这样的做的优点是过滤掉了一些无用的box ,节省了时间。

主要流程：

1.     对一张图片生成1k-2k个候选区域使用方法：selective research

2.     对每个候选区，使用CNN进行特征提取，使用分类器进行分类

3.     使用回归进行微小调整，使候选框的位置更为精确

一．Selective research

在图像中，同一个物体在尺度上有相似性，如颜色、纹理、尺度相似性等。本方法利用同一物体尺度范围的相似性，不断合并达到预定threshhold的相邻像素点

输入：RGB三通道的图片

输出：物体位置的可能结果L

• 使用Efficient Graph-Based Image Segmentation的方法获得n个初始分割区域。
• 初始化相似度集合S = 0