Paper地址：R-CNN
一、Object Detection With R-CNN
目标检测有两大任务：一个是确定object的类别，另一个是确定object的位置
基本流程如下：
1.给出一张图片，利用selective search生成约2000个region proposals
2.将proposal resize到固定大小，然后输入到CNN，提取每个proposal 固定长度 (4096维)的特征向量。
3.将提取的特征输入到FC层，利用SVM对该proposal进行打分、分类。SVM权重(4096,C)
4.针对每一个类别：
(1)对每个region的score进行排序，设一个阈值，将score低于阈值的region去掉。
(2)使用NMS(非极大值抑制)：选取得分最大的region，计算其与其他region的IoU，如果IoU大于给定阈值，则去掉其他region。然后在剩下的region中，选择得分次大值，重复之前的流程。最后剩下的基本就是包含object的bbox了。
5.对于判断为本类的候选框，且与GT的IoU大于0.6的。利用回归模型对bbox进行位置精修(位置精修内容较多，放后面)
6.这样，类别和位置都得到了
由于在目标检测上，标注的数据少，因此本文：
首先在ImageNet数据集上进行有监督预训练
然后在object detection这一特定领域的数据集PASCAL上进行fine-tuning。
二、位置精修
利用回归模型对bbox的位置进行精细修改，回归模型如下：
P(Px,Py,Pw,Ph)表示region proposal的位置
G(Gx,Gy,Gw,Gh)表示GT的位置
通过如下公式修正proposal的位置
其中：
d(P)是proposal的pool5 feature的线性函数。公式中的fi5(P)则是pool5的4096维feature。
此时，我们需要优化W。(正则项lambda=10000)
其中，
三、训练
训练的目的：得到最优的参数
预训练完成后，将N+1维的layer替换1000维的layer。然后将与GT的IoU >= 0.5 的bbox作为正样本，其余作为负样本。每次SGD迭代时，使用32个正样本box(对所有类)和96个背景box，构建128个样本的mini-batch。
在训练SVM分类器这边：将每类的GT作为正样本，IoU小于0.3的作为负样本。
四、参考文献
1.https://wenku.baidu.com/view/cb977f29f68a6529647d27284b73f242336c31df.html
2.http://blog.csdn.net/App_12062011/article/details/67632620