最近在看rcnn，rcnn主要是用來進行目標檢測，語義分割的
是一個將cnn使用到目標檢測的突破，進而誕生了rcnn，sppnet，fast-rcnn，faster-rcnn
在此，使用這個博文介紹一下以上的rcnn及其擴展中使用到的東西的簡單介紹吧
1，OverFeat
OverFeat is a Convolutional Network-based image classifier and feature extractor.
參考《OverFeat:Integrated Recognition, Localizationand Detection using Convolutional Networks》
有兩點，其中第二點是亮點：
（1）特徵共享：首先在分類問題上訓練出來模型，然後Fix住卷積層，來對定位模型進行fine tuning，最後對應1k個類別做了1k個定位的模型。
（2）“快速”滑動窗口：爲何要用滑動窗口？對於分類，通過多視角和多尺度來提高分類的置信度；對於定位，解決了多物體以及多尺度的問題。如何提高滑動窗口的效率？不在原始圖片上做滑動窗口，而是在最後一個pooling層上面做滑動窗口。
快速滑動窗口
也就是在最後一個pool層上做滑動窗口。
本質上，在pool做小步長的滑動窗口和在原始圖片上做大步長的滑動窗口，從識別效果上來說幾乎是等價的，但是在效率上存在極大的差別——所以這裏的“快速”本質上是利用了CNN卷積層和下采樣層的空間對應關係來減少計算。
- 對於分類模型，訓練只使用單個尺度（221*221）進行訓練，測試時候不改變網絡架構，卻是使用多個尺度進行輸入的——於是導致了網絡的輸出由1維變成了2維（其實就是滑動窗口）
- 訓練分類模型只是使用了單尺度，但後面訓練定位模型時候用到了多尺度，個人認爲是爲了增加樣本——因爲訓練1k個定位模型的話，每類的樣本太少了。
- 本文提出的“測試時實現多視角多尺度”方法，其本質上就是滑動窗口——多視角≈滑動到不同的位置，多視角≈大小不一的窗口。只是利用CNN的固有屬性以及一些技巧，減少了測試時候的運算量。
2.Fully COnvolutional Networks
可以參考《Fully Convolutional Networks for SemanticSegmentation》
下面是知乎上的解釋：
RCNN 解決的是，“爲什麼不用CNN做classification呢？”
（但是這個方法相當於過一遍network出bounding box，再過另一個出label，原文寫的很不“elegant”
Fast-RCNN 解決的是，“爲什麼不一起輸出bounding box和label呢？”
（但是這個時候用selective search generate regional proposal的時間實在太長了
Faster-RCNN 解決的是，“爲什麼還要用selective search呢？”
（但是這個方法相當於過一遍network出bounding box，再過另一個出label，原文寫的很不“elegant”
Fast-RCNN 解決的是，“爲什麼不一起輸出bounding box和label呢？”
（但是這個時候用selective search generate regional proposal的時間實在太長了
Faster-RCNN 解決的是，“爲什麼還要用selective search呢？”