RCNN=R+CNN
定义：
R:Region Proposal(候选区域)；
CNN:Convolutional Neural Network(卷积神经网络)；
作用：
R:用于解决定位问题；
CNN:用于解决识别问题；
定位的问题的解决思路？
思路一：看作回归(Regression)问题
目的：预测出(x,y,w,h)四个参数的值，从而得出方框的位置。
步骤一：搭建一个识别图像的人工神经网络(CNN)解决识别问题；
步骤二：改进CNN（在神经网络上加：“分类头”(classification)和“回归头(regression)”）；
步骤三：Regression那个部分用欧氏距离损失（使用SGD训练）；
步骤四：将两个头再拼接再一起来完成定位与识别的双重功能；
回归头（Regression）加在什么位置？
1：最后一个卷积层的后面（如：VGG）；
2：最后一个全连接层的后面（如：R-CNN）；
思路二：暴力取框
步骤一：取框（用各种大小的框来遍历整张图片）；
步骤二：得分（将这些框输入到CNN中，输出这些框的得分以及这些框的位置(x,y,w,h)）；
步骤三：最优（取得分最高的框及其位置坐标 或 取得分最高的两框的交集框及其位置坐标）；
优化：将全连接层改为卷积层
目的：提速
原来网络：
现在网络：
RCNN：
1：输入一张多目标图像，采用selective search算法提取约2000个建议框；
2：先在每个建议框周围加上16个像素值为建议框像素平均值的边框，再直接变形为227×227的大小（有问题）；
3：先将所有建议框像素减去该建议框像素平均值后【预处理操作】，再依次将每个227×227的建议框输入AlexNet CNN网络获取4096维的特征【比以前的人工经验特征低两个数量级】，2000个建议框的CNN特征组合成2000×4096维矩阵；
4：将2000×4096维特征与20个SVM组成的权值矩阵4096×20相乘【20种分类，SVM是二分类器，则有20个SVM】，获得2000×20维矩阵表示每个建议框是某个物体类别的得分；
5：分别对上述2000×20维矩阵中每一列即每一类进行非极大值抑制剔除重叠建议框，得到该列即该类中得分最高的一些建议框；
6：分别用20个回归器对上述20个类别中剩余的建议框进行回归操作，最终得到每个类别的修正后的得分最高的bounding box。
注释：
1：非极大值抑制
应用情况：同一个目标被多个建议框包围；
作用：需要非极大值抑制操作去除得分较低的候选框以减少重叠框；
具体过程：
1：对2000 x 20维矩阵中每列按从大到小进行排序；
2：从每列最大的得分建议框开始，分别与该列后面的得分建议框进行IOU计算，若IOU>阈值，则剔除得分较小的建议框，否则认为图像中存在多个同一类物体；
3：从每列次大的得分建议框开始，重复步骤2；
4：重复步骤3直到遍历完该列所有的建议框；
5：遍历完2000 x 20维矩阵所有列，即所有物体种类都做一遍非极大值抑制；
6：最后剔除各个类别中剩余建议框得分少于该类别阈值的建议框；
例子：
IOU交并比 计算是什么？
定义：IOU = (A∩B)/(A∪B)
目的：考察一个候选框和当前图像上所有标定框重叠面积最大的一个。若重叠比例大于设定阈值，则认为此候选框为标定的类别。否则，该候选框为背景。
图例：
