深度学习算法原理——RCNN

相比较于图像分类来说，目标检测（Object Detection）不仅需要标记出图像中的物体（通常使用边框标记），同时需要指出该物体是什么。一般比较直观的想法包括以下的三个步骤：

• 得到目标的可能区域，称之为候选区域；
• 使用图像特征的提取方法提取出候选区域的特征；
• 利用分类模型对该候选区域分类；

RCNN（Region with CNN features），又称为基于区域的卷积神经网络，也是基于上述的思路的一种目标检测的方法，基本的思路如下图所示：

与上述过程一致，RCNN包括了三个模块：

• 区域提名；用于生成与类别无关的区域。
• CNN；对上述生成的区域提取出特征。
• SVM分类器；对提取出的图像特征分类。

其基本过程为从输入图像中提出去2000个左右的候选区域，对每一个候选区域计算其特征，最红利用分类模型对这个2000个左右的候选区域分类，从而得到最终的检测目标以及每一个目标对应的类别。

1. 区域提名的方法

在RCNN中，使用的是选择性搜索作为区域提名的方法。

2. 减少定位错误

在实际过程中，使用Bounding box regression来提升目标框的检测准确率。