RCNN目标识别简单笔记

RCNN的基本流程

①选择性搜索(可根据颜色、纹理、合并后的面积最小、合并后占bbox最大等，将图片合并成大约2000个图像，这2000个图像基本包含了图像各种大小区域)；

②使用辅助训练数据(有大量数据)训练CNN，之后直接"移植"到少量数据集中，不需要再次训练。(我个人觉得，除了最后一层汇聚成具体类别个数，前面的层已经拥有了组成任意物体的“元素”，只是缺少最后的"重组"成具体的类别)；

③将划分好的大约2000个Region区域(这些区域有的是含有部分物体，有的含有全部物体，有的不含有任何物体)，将这些区域与少量数据集里训练数据进行IOU计算(在训练集中已经框出了实际的物体框和对应的类别)。如果IOU大于某个阈值，则将当前的Region框标记为正类别，并附上对应的类别标签；否则认为该Region区域为非物体区域，将其标记为负类别，并标记为背景类别。这样我们就有了各个数据的标签了。

④根据2000个Region框和对应的类别(N)，训练出N个类别的SVM分类器。在测试的时候还需要进行非极大值抑制(NMS)。

下面是测试流程：

• 将2000个Region带进训练好的第1个SVM中，计算出对应与每个类别的Score，即得到了2000个对于此分类Score；
• 然后将Socre按照由高到排列。如果有高的Socre的Region框与低Score的Region框的IOU面积大于某个阈值，则将低Score的Region消除；
• 同时，也消除Score得分小于某个基础Score的消除。(因为低于基础的Score我们认为它不属于该类)；
• 进行位置的修正；
• 然后在将2000个Region带进训练好的第2个SVM中，重复上述操作。

IOU和NMS参考：http://blog.csdn.net/hjimce/article/details/50187029