感谢子豪兄的分享-关于RCNN的学习（一）

红色表示图像分类算法，绿色表示目标检测算法，但是这个年份是不是有点问题

语义分割：区分每一个像素的类别

实例分割：在语义分割的基础上区分每个物体

 keypoint detection:关键点检测

做一些单词区分

detection 意味着你能看到目标。比如手势识别，骨干识别，keypoint detection

recognition 意味着你能认识目标。比如它是车，人，或动物。目标检测，object recognition

identification 意味着你能分辨目标。能找出同一类下的不同，比如它是什么车。

bounding box 边界框

RCNN原理的简述

在原图上提取2000+的候选框，将候选框缩放至统一尺寸，逐一送进同一个卷积网络，每个候选框最终的到4096维的卷积特征，一方面送进class个数个用于分类的SVM中，一方面用于预测框的回归

功耗分布

光以此图来看，将2000+的候选框逐一送进网络最为耗时，可不嘛，一张图当2000张用，这数据规模可是不得了

为了解决RCNN的性能问题，有大量的方法：

 像共享卷积运算，就是从原图提取卷积特征，然后所有候选框共享这个特征

RCNN的各个模块-选择搜索算法

产生2000+的候选框

通过聚类，先对图像进行初步分割，然后做融合，逐步收敛候选框的数量

 得到候选框之后，将候选框缩放至227*227的尺寸

 填充的灰条的值等于整张图片像素的平均值

扩大候选框dilate proposal,一边是扩大16pix

 另外，

这句话说的很抽象，没看懂？

RCNN的错误分布：

为什么使用SVM而不是用softmax？？

 这里也是不太明白

RCNN:regions with CNN features

先讲RCNN的测试阶段：

提取好rigion proposals,对每一个proposal做dilate,目的是增加rigion的上下文信息

 开始做分类

bbox回归，refinement提炼

 由此产生一个问题：bbox的回归怎么做的？？是有一个训练好的回归器吗？？这个回归是反映到原图上，还是说只是针对这个proposal??

训练RCNN的思路（有当时的时代局限性）：

鉴于当时用于目标检测的数据集很少，使用在数据丰富的辅助任务上预训练出的模型，然后再迁移到目标检测上

 这个fine tune 需要做到什么程度呢？？RCNN是有SVM和回归器的，这俩是否参与预训练？？

还有几个问题：

1.正负样本怎么定义

正负样本是相对的概念，不同的正负样本定义对问题解决没有本质影响，但好的正负样本定义可以减轻认知负担、方便人对问题的理解。

比如说做分类任务，对于类别 cat, 的确是猫的图片就判定为正样本，否则判定为负样本

又比如说错误检测任务，那么这时候就将存在错误的样本判定为正样本，这虽然有点反直觉，但这正体现了上述的所谓相对的概念

正负样本的设定应该以目标为导向，或者说他就是为了我们的目标而服务

2.预测框回归是怎么做的？借助神经网络？？

3.SVM怎么实现的分类

4.预训练模型和fine tune模型之间的关系