一、目標檢測（Object detection）
圖像識別是輸入一張圖像，輸出該圖像對應的類別。
目標檢測輸入是一張圖像，但輸出不單單是圖像的類別，而是該圖像中所含的所有目標物體以及它們的位置，通常使用矩形框來標識物體的位置。
大部分的目標檢測方法流程是：生成區域候選框，對這些區域框提取特徵（SIFT 特徵 、HOG 特徵、CNN），使用圖像識別方法（SVM、CNN），得到所有分類成功的區域後，通過非極大值抑制（Non-maximum suppression）輸出結果。
二、候選框（bounding boxes）
區域候選框的生成主要有兩種方法，一種是窮舉法；一種是選擇性搜索。
窮舉法：也叫滑窗法。使用不同大小的窗口在圖片上從左到右，從上到下滑動，每次滑動就是一個候選框，由於是全局搜索而且要考慮窗口的長寬比，計算量大、效率低下。
選擇搜索（Selective Search）：首先，使用圖像分割（邊緣等特性）算法，分割出許多小區域；然後，根據這些小區域之間相似性（顏色、紋理等）進行區域合併，不斷的進行區域迭代合併。每次迭代過程中對這些合併的子區域做bounding boxes（外邊矩形）就生成了候選框。
三、R-CNN：Region-CNN
整體結構：
利用Selective Search算法生成Region proposal -> warped region縮放到統一大小 -> CNN -> FC -> linear SVM、regression
訓練過程細節：
1、先預訓練AlexNet，使用的是ImageNet數據集，按照分類任務有監督pre-training;
2、微調（fine-tuning），使用的是pascal-VOC數據集
輸入爲warped region proposal，輸出爲21維類向量。（與pre-training網絡的唯一改變是由輸出1000類改爲輸出21類）。包括20類目標和背景。把與ground truth的IoU>0.5的region proposal作爲正例，其餘爲負例，即背景。每個batch裏包含32個正例，96個負例共128個。學習率爲0.001，是pre-training的1/10，爲了不破壞訓練的結果。
3、訓練SVM分類器
訓練某類別的SVM，與該類目標的groud-truth的IoU>0.3的region proposal 的特徵向量作爲正例，其餘作爲負例。
4、訓練bounding box regression
測試步驟：
1、使用selective search得到測試樣本的候選框，處理得到warped region
2、送入到模型進行類別預測和迴歸
3、將預測結果按照概率大小排序，採用NMS，也就是選出概率最大的region，然後刪除和它的region的IoU超過指定閾值的其他region，重複這個步驟直到沒有候選框。篩選出最終得到的檢測框。
