R-CNN(Region-based Convolutional Neural Networks)是利用深度學(xué)習(xí)進(jìn)行目標(biāo)檢測的開山之作，由Ross Girshick等人在2014年提出，論文地址：https://arxiv.org/abs/1311.2524；

R-CNN算法流程：

第一步：通過Selective Search算法，在一張圖像上生成1k~2k個(gè)候選框

Selective Search算法通過圖像分割的方法得到一些原始區(qū)域，然后使用一些合并策略將這些區(qū)域合并，得到具有層次化的區(qū)域結(jié)構(gòu)，這些區(qū)域結(jié)構(gòu)就包含著可能需要的物體，如下圖所示。

Selective Search算法代碼實(shí)現(xiàn)

第二步：通過CNN網(wǎng)絡(luò)對每個(gè)候選框進(jìn)行特征提取，每個(gè)候選框生成4096維特征向量

將Selective Search算法生成的2000個(gè)候選框Resize成227*227的大小，然后輸入到AlexNet網(wǎng)絡(luò)，得到對應(yīng)的2000個(gè)4096維特征向量，如下圖。

第三步：將每個(gè)特征向量輸入到每一類的SVM分類器，判定是否屬于該類

將2000個(gè)4096維特征向量(2000*4096矩陣)與20個(gè)SVM分類器(用于訓(xùn)練的Pascal VOC 2007數(shù)據(jù)集有20個(gè)類別)組成的4096*20權(quán)值矩陣進(jìn)行相乘，得到2000*20矩陣，表示每個(gè)候選框是某個(gè)類別的得分；對于同一類別的候選框，使用非極大值抑制NMS算法(參考：算法崗面試總結(jié)—目標(biāo)檢測篇（第二題）)剔除多余的候選框。

第四步：使用回歸器調(diào)整候選框的位置

對于NMS處理后剩余的候選框，再通過20個(gè)回歸器，使用最小二乘法，通過最小化誤差(候選框和標(biāo)注框之間的差)的平方和尋找最佳函數(shù)匹配。

R-CNN算法的缺點(diǎn)：

訓(xùn)練速度慢：訓(xùn)練過程及其繁瑣；

訓(xùn)練空間大：每張圖片會生成2000個(gè)候選框，需要對所有候選框進(jìn)行特征提取，而Pascal VOC 2007訓(xùn)練集有5000多張圖片，所有候選框的特征向量占內(nèi)存空間很大；

測試速度慢：Selective Search算法提取候選框需要2s左右，再對所有候選框進(jìn)行特征提取，最后檢測一張圖片需要大約53s(CPU)。