RCNN将CNN方法引入目标检测。

首先RNN的基本流程：

1. 采用Selective Search方法生成1k-2k个候选区域(region proposal)
2. 对每个候选区域使用CNN网络提取特征
3. 将特征输入分类网络，判断是否属于该类
4. 使用回归器精细修正候选框位置

select search单独进行总结，这里直接使用

1 生成候选边界框

我们输入一张图像，利用Select Search(单独总结)方法生成1k-2k个候选框，但是其大小不一致，很难在输入下面的网络，因此，需要将图像缩放到相同大小。

这里实验了两种办法：各向异性缩放和各向同性缩放

2 CNN特征提取

2.1 网络选择

直接使用了经典的AlexNet网络的特征提取层(单独总结过)。

2.2 参数初始化

随机初始化参数对训练数据的要求非常大，因此作者选择了先使用AlexNet网络的参数，在后续对Select Search生成的候选框进行fine-tuning训练。优化使用的是随机梯度下降，学习率为0.001。

2.3 正负样本的界定

fine-tuning时需要界定Select Search生成的候选框是正样本还是负样本，方法如下：

1. 因此在CNN阶段我们需要用IOU为2000个bounding box打标签。

2. 如果用selective search挑选出来的候选框与物体的人工标注矩形框的重叠区域IoU大于0.3，那么我们就把这个候选框标注成物体类别（正样本）。否则我们就把它当做背景类别（负样本）

3 分类网络

假设输出2000个候选框，那么经过CNN特征提取层后我们输出的结果应该是20004096，此时将该矩阵**与大小为4096\N的SVM权值矩阵相乘*即可得到2000\N的结果(N代表一共N类)

4 位置精修

目标检测问题的衡量标准是重叠面积，许多看似准确的检测结果，往往候选框不够准确，重叠面积很小，故需要一个位置精修步骤。

这里采用一个线性回归器进行位置精修，输入是CNN网络提取的特征，输出是缩放和平移后的xy坐标。

5 测试

SVM将CNN提取的特征分类后(假设2000个候选框，每个候选框N个类别)。对每一个类别，2000个候选框根据分数采取NMS(单独总结)除去相交的多余的候选框，最后对这些框进行canny边缘检测，得到bounding-box。