關(guān)鍵詞：Object Detection介汹、Regional Proposal、R-CNN
Object Detection 與Regression的區(qū)別
每一張圖片中的對(duì)象的數(shù)量是不一定的，可能有X個(gè)笨腥，那么輸出就是 X * 4 個(gè)數(shù)字些举。
在機(jī)器學(xué)習(xí)中刨摩，分類和回歸是解決所有問題的兩種思路。所以O(shè)bject Detection不是Regression世吨，所以嘗試下分類澡刹。
在圖片中畫出一個(gè)個(gè)的區(qū)域，然后輸入到CNN的分類器中去進(jìn)行識(shí)別就可以解決Object Detection的問題了耘婚。
問題是：怎么控制這個(gè)框畫多大呢罢浇？
最直接的答案：不控制，隨機(jī)嘗試沐祷，畫框后嚷闭，把框中的數(shù)據(jù)輸入到分類器中，進(jìn)行分類赖临。
也就引出另一個(gè)問題：如果使用CNN去畫如此多數(shù)量的框（Localization）,然后去分辨框中事物的類別（Classification）胞锰，計(jì)算成本太高？
Solution：縮小檢索范圍兢榨。
Region Proposals
方案描述：在圖片中找到一些整體相似的結(jié)構(gòu)嗅榕，然后輸出所有可能存在目標(biāo)對(duì)象的區(qū)域，最后進(jìn)行分類色乾。運(yùn)行的速度很快誊册，因?yàn)樗魂P(guān)心框中是什么對(duì)象，只是有可能是一個(gè)對(duì)象暖璧，就框出來案怯。
在Region Proposal中，Selective search是很有名的一個(gè)算法：
它從像素入手澎办，將顏色或者紋理相近的像素進(jìn)行合并嘲碱，然后不斷合并范圍，然后在這個(gè)過程中局蚀，不斷進(jìn)行畫框麦锯。減少了無意義的Localization。
Region Proposals算法排名
講師說他一般使用EdgeBoxes琅绅，因?yàn)檫\(yùn)算速度很快扶欣，一張圖片，大概0.3s千扶，Selective Search大概需要10s
R-CNN Region Based CNN
1. 用regional proposal的某個(gè)算法料祠，從圖片中畫出N個(gè)可能包含對(duì)象的框
2. 把這些框裁剪成同樣大小
3. 使用CNN進(jìn)行特征學(xué)習(xí)
4. 使用SVM進(jìn)行分類（如果目標(biāo)只有一個(gè)類：貓，那么用一個(gè)二分類的SVM就可以澎羞，如果是多類髓绽，可以用多分類的SVM，或者對(duì)每一個(gè)目標(biāo)妆绞，訓(xùn)練一個(gè)二分類的SVM）
5. 這里還有一個(gè)Bbox reg：其實(shí)是一個(gè)線性回歸模型顺呕，主要是對(duì)裁剪出來的圖片進(jìn)行微調(diào)的枫攀，見訓(xùn)練步驟Step5.
R-CNN的實(shí)際訓(xùn)練步驟
具體可見下圖，以下為個(gè)人語言描述：
1. 現(xiàn)在一個(gè)預(yù)訓(xùn)練好的分類模型（如株茶，基于ImageNet的来涨，因?yàn)樗?000個(gè)類別）
2. 將最后一個(gè)全連接層（分類器）刪除掉，然后新增自己的FC層忌卤，進(jìn)行初始化扫夜。
3. 將Regional Proposal框中的所有特征都存儲(chǔ)起來（問題：太耗存儲(chǔ)）
4. 對(duì)于這些存儲(chǔ)好的特征，使用SVM進(jìn)行訓(xùn)練（正例：是貓驰徊，反例：不是貓）
5. Regional Proposal截取的特征不一定是完美的笤闯，所以使用一個(gè)線性回歸算法，對(duì)于第三步中存儲(chǔ)的特征進(jìn)行調(diào)整棍厂，使用“correction factor”使這些特征颗味，更能凸顯我們的訓(xùn)練目標(biāo)。
注：PPT有一點(diǎn)問題牺弹，倒數(shù)第二章圖片的標(biāo)記錯(cuò)誤
