測(cè)試
1.? 輸入原始圖片
2.? 利用選擇性搜索（seletive search, SS）生成2000個(gè)候選區(qū)域（region propsal, RP）
3.? 將每個(gè)RP放縮到一定尺寸（如AlexNet 的227*227）看成，利用深度卷積神經(jīng)網(wǎng)絡(luò)提取特征
4. 基于步驟3提取的特征碉怔，利用SVM分類(lèi)围肥。
5. BB（可選）和 NMS（mon-maximun suppression）
訓(xùn)練
fine-tuning
1. 只使用放縮后的RP，在VOC上fine-tuning ImagNet的分類(lèi)模型镣陕，分21類(lèi)（20類(lèi) + 背景）；
2. 將每個(gè)RP分正負(fù)樣本：稱(chēng)某個(gè)RP是正樣本， 如果它與某個(gè)GT的IoU大于0.5束昵，其余記為負(fù)的骄崩。也就是說(shuō)IoU大于0.5的候選區(qū)域才認(rèn)為包含物體聘鳞， 其它的被認(rèn)為是背景；
3. batch_size=128要拂，其中32是正樣本抠璃， 96是負(fù)樣本。這么做是因?yàn)闃?biāo)記為正的RP相對(duì)于背景來(lái)說(shuō)太少了脱惰；
分類(lèi)器
1. 分類(lèi)器是SVM搏嗡，不是DCNN的Softmax，原因看第三點(diǎn)。 記某個(gè)RP是負(fù)樣本采盒，若它與所有的GT的IoU都小于0.3（這個(gè)是根據(jù)val set通過(guò)網(wǎng)格搜索得到的旧乞， 注意這里和FT的閾值是不一樣的，一個(gè)是0.3磅氨，一個(gè)是0.5）良蛮。只有GT視為正樣本。其它的RP忽略悍赢。
2. 訓(xùn)練SVM采用難負(fù)樣本挖掘（hard negative mining）决瞳，因?yàn)橛?xùn)練數(shù)據(jù)太多啦內(nèi)存裝不下，而且難負(fù)樣本挖掘收斂速度快（mAP在一次遍歷后就停止增長(zhǎng)啦Ｗ笕ā）皮胡；
3. 論文里解釋?zhuān)婚_(kāi)始沒(méi)有考慮FT，直接使用ImagNet的分類(lèi)模型提取特征進(jìn)行SVM分類(lèi)赏迟，通過(guò)網(wǎng)格搜索得到0.3的閾值屡贺。后面考慮FT，如果采用0.3來(lái)區(qū)分正負(fù)樣本锌杀，得到的結(jié)果比0.5差很多甩栈。文中猜測(cè)是其實(shí)不是閾值大小的問(wèn)題而是數(shù)據(jù)量的問(wèn)題（數(shù)據(jù)太少）。現(xiàn)在取0.5能把數(shù)據(jù)集擴(kuò)充30倍，能避免網(wǎng)絡(luò)過(guò)擬合箩退，但是也引起了另一個(gè)問(wèn)題--就是目標(biāo)定位不精準(zhǔn)梨熙。
4. 還有一個(gè)問(wèn)題--就是為什么不用Softmax而用SVM， 這當(dāng)然是SVM的效果好啦（54.2%? > 50.9%）殴蹄。為什么會(huì)這樣？ 文中猜測(cè)是因?yàn)镕T的正負(fù)樣本定義沒(méi)有突出目標(biāo)位置的精確猾担，而且Softmax在負(fù)樣本的選取上是隨機(jī)采樣的袭灯，而不像SVM的選取難負(fù)樣本的子集。
結(jié)果
w/o FT
沒(méi)有FT的情況下绑嘹，提取不同層檢測(cè)稽荧，結(jié)果fc6 > fc7 > pool5， 而且pool5和fc6的結(jié)果相差不大（才2%）工腋，這顯示了CNN的表征能力來(lái)自卷積層而不是參數(shù)占大多數(shù)的全連接層姨丈。
FT
FT的情況下，提取不同層檢測(cè)夷蚊，結(jié)果fc7 > fc6 > pool5构挤，而且fc6（7%）、fc7（~10%）的提高效果明顯惕鼓，而pool5不顯著（~3%）筋现，這說(shuō)明ImageNet的pool5的泛化性能很好，F(xiàn)T后性能提升主要來(lái)自全連接層。
BB（bounding-box regression）
從第一行可以看到錯(cuò)誤主要來(lái)自定位誤差矾飞，從第三列可以看出采用BB后定位誤差下降不少
- BB在SVM之后一膨， NMS之前
如果P遠(yuǎn)離所有的GT豹绪，則d的學(xué)習(xí)沒(méi)有意義。所以只學(xué)習(xí)至少與某個(gè)GT的IoU最大且IoU大于0.6的RP（根據(jù)val set）申眼。
參考文獻(xiàn)
1. ?Rich feature hierarchies for accurate object detection and semantic segmentation
2.?Training Region-based Object Detectors with Online Hard Example Mining
