一、目标检测（Object detection）
图像识别是输入一张图像，输出该图像对应的类别。
目标检测输入是一张图像，但输出不单单是图像的类别，而是该图像中所含的所有目标物体以及它们的位置，通常使用矩形框来标识物体的位置。
大部分的目标检测方法流程是：生成区域候选框，对这些区域框提取特征（SIFT 特征 、HOG 特征、CNN），使用图像识别方法（SVM、CNN），得到所有分类成功的区域后，通过非极大值抑制（Non-maximum suppression）输出结果。
二、候选框（bounding boxes）
区域候选框的生成主要有两种方法，一种是穷举法；一种是选择性搜索。
穷举法：也叫滑窗法。使用不同大小的窗口在图片上从左到右，从上到下滑动，每次滑动就是一个候选框，由于是全局搜索而且要考虑窗口的长宽比，计算量大、效率低下。
选择搜索（Selective Search）：首先，使用图像分割（边缘等特性）算法，分割出许多小区域；然后，根据这些小区域之间相似性（颜色、纹理等）进行区域合并，不断的进行区域迭代合并。每次迭代过程中对这些合并的子区域做bounding boxes（外边矩形）就生成了候选框。
三、R-CNN：Region-CNN
整体结构：
利用Selective Search算法生成Region proposal -> warped region缩放到统一大小 -> CNN -> FC -> linear SVM、regression
训练过程细节：
1、先预训练AlexNet，使用的是ImageNet数据集，按照分类任务有监督pre-training;
2、微调（fine-tuning），使用的是pascal-VOC数据集
输入为warped region proposal，输出为21维类向量。（与pre-training网络的唯一改变是由输出1000类改为输出21类）。包括20类目标和背景。把与ground truth的IoU>0.5的region proposal作为正例，其余为负例，即背景。每个batch里包含32个正例，96个负例共128个。学习率为0.001，是pre-training的1/10，为了不破坏训练的结果。
3、训练SVM分类器
训练某类别的SVM，与该类目标的groud-truth的IoU>0.3的region proposal 的特征向量作为正例，其余作为负例。
4、训练bounding box regression
测试步骤：
1、使用selective search得到测试样本的候选框，处理得到warped region
2、送入到模型进行类别预测和回归
3、将预测结果按照概率大小排序，采用NMS，也就是选出概率最大的region，然后删除和它的region的IoU超过指定阈值的其他region，重复这个步骤直到没有候选框。筛选出最终得到的检测框。
