摘要
2012年之前, 目标檢測算法性能已經進入平台期。性能好的算法都是內建算法（綁定底層特征和高層context）。在這篇文章中，作者提出了 R-CNN （Regions with CNN features）。
算法介紹
1. R-CNN方法包含三個子產品：
1）産生類别無關的候選區域；
2）利用CNN（卷積神經網絡）提取固定長度的特征；
3）學習linear SVM的集合，每個linear SVM對應一個類别分類器。
a) 生成候選區域（region proposals）
許多文章提供了這類方法，例如：objectness, selective search, 等等。作者使用了selective search。
b) 特征提取
作者使用caffe在每個候選區域提取4096維特征。作者在實作的時候，使用了AlexNet提取特征。
因為AlexNet的輸入圖像大小是227*227RGB圖像。輸入的候選區域必須轉換為227*227。作者采用了最簡單的轉換方法。不管候選區域的尺寸和方向率，直接将圖像轉為227*227。
在轉換之前，作者将圖像的邊緣像素進行了填充。填充的基本條件是，填充的邊緣在變換後的圖像上是16像素。
2.R-CNN測試
在測試的時候，1）運作selective search提取2000個候選區域。2）轉換每個候選區域為227*227的RGB圖像，然後送給AlexNet，提取4096維特征。3）4096維特征送給linear SVM分類器，為每個類别打一個分數。
得到了所有的打分區域，然後使用非最大抑制 拒絕掉一些低分值的區域。
3.運作時間分析
存在兩個屬性使計算更加有效率。
1）所有類的特征是共享的。
2）CNN提取的特征向量是低維的（僅僅4096）
計算region proposals和特征的時間被分攤給所有類别，是以計算效率非常高。
4.R-CNN訓練
1）監督預訓練
首先使用ImageNet（圖像級别的标注，沒有标定每個目标的位置）訓練一個CNN網絡。
2）Fine-tuning微調
使用warped regions proposals進行微調，并且1000類的分類層，修改為21類
（20個類别，加上1個背景）。
3）類别分類器
使用Linear SVM訓練類别分類器。Linear SVM的輸入是4096維特征。
4.評估
end