RCNN
R-CNN是对滑窗的优化，很多什么都没有的区域进行卷积太浪费，先selective-search出可能有目标的区域
RCNN训练过程
- 先用ImageNet训练AlexNet
- 用标注的样本框对训练好的AlexNet进行fine-tune
- 用这个AlexNet提取出训练样本框的特征
- 用提取出的特征训练SVM分类器
- 首先通过选择性搜索，对待检测的图片进行搜索出~2000个候选窗口。
- 把这2k个候选窗口的图片都缩放到227*227，然后分别输入CNN中，每个proposal提取出一个特征向量，
- 也就是说利用CNN对每个proposal进行提取特征向量。
- 把上面每个候选窗口的对应特征向量，利用SVM算法进行分类识别。
RCNN测试过程
-
运用SelectiveSearch的方式生成备选框
-
将生成的备选框送入AlexNet进行判断，回归类和回归框
RCNN缺点
-
多阶段的复杂的训练过程
-
SVM与备选框的生成过程非常耗费运算和存储资源
-
测试过程缓慢，对每一个备选框都要进行一次AlexNet+SVM分类
SPP-Net
《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》
在此之前，所有的神经网络都是需要输入固定尺寸的图片，比如224224（ImageNet）、3232(LenNet)、96*96等。这样对于我们希望检测各种大小的图片的时候，需要经过crop，或者warp等一系列操作，这都在一定程度上导致图片信息的丢失和变形，限制了识别精确度。
SPP-Net在卷积层后同时进行三个池化，分别是把图片分成16分，4份和1份，每一份不管是做平均池化还是最大池化，我们知道，输出只有(16+4+1=)25个特征值了，对接后面的fc层就是固定的了，也就是说不需要固定输入图片的大小了。
这就是空间金字塔池化的意义（多尺度特征提取出固定大小的特征向量）。
Fast R-CNN
用卷积算法实现滑窗，加快了时间，但在取得候选区域的选取上仍然很耗时间，于是有了何凯明的
Faster R-CNN
对候选区域，也用卷积来选取，而不是传统的颜色分割来取得色块
Selective Search
- step0：生成区域集R，具体参见论文《Efficient * Graph-Based Image Segmentation》
- step1：计算区域集R里每个相邻区域的相似度S={s1,s2,…}
- 论文考虑了颜色、纹理、尺寸和空间交叠这4个参数。
- step2：找出相似度最高的两个区域，将其合并为新集，添加进R
- step3：从S中移除所有与step2中有关的子集
- step4：计算新集与所有子集的相似度
- step5：跳至step2，直至S为空
在OpenCV的contrib模块中实现了selective search算法。类定义为：
cv::ximgproc::segmentation::SelectiveSearchSegmentation