理解RCNN的思路整理（待补充代码）
- RCNN中了解的概念
- RCNN的最主要的核心思想
- RCNN核心思路实现的难点
- RCNN难点解决思路
- 为了提高识别率，有哪些考虑
- 完整的训练过程
- 生成原始训练集
- 特征提取
- 训练模型
- 完整的预测过程
RCNN中了解的概念
RCNN的最主要的核心思想
1、训练一个网络，输入一个最多仅含有一个主体的图片或图片碎片（包含大部分信息）后，可以自动预测出该图片中是否有主体，并且输出主体对象的中心位置与该图片中心的偏移量（经过归一化）。
输入：红框内的图片
输出：绿框和红框的偏移量（经过归一化）和红框内主体对象的类别概率
2、当输入一个图片时，采用贪心算法，生产该图片中不同位置不同尺寸的图片碎片，投入RCNN的核心网络，获得该图片碎片所属的类型和主体位置的偏移量。
RCNN核心思路实现的难点
1、RCNN核心网络的结构是什么？
2、获得大量标识框样本的难度比较高。如何保证在比较少样本下，如何完成训练？
3、采用贪心算法去寻找一个图片中主体的位置，效率太低，基本在现实中办不到。如何解决这个问题？
RCNN难点解决思路
1、RCNN核心网络的结构是什么？
RCNN的核心网络有20个SVM模型和20个线性回归模型组成。 20个SVM模型主要是根据输入的图片去预测所属类别的概率。 20个线性回归模型主要是根据输入的图片去预测主体位置的偏移量。
2、获得大量标识框样本的难度比较高。如何保证在比较少样本下，如何完成训练？
根据有限的标识框的样本，去生成大量尺寸的样本去训练SVM模型和线性回归模型。同时SVM模型和线性回归模型本身也适合小样本的建模。
3、采用贪心算法去寻找一个图片中主体的位置，效率太低，基本在现实中办不到。如何解决这个问题？
根据颜色、纹理等连通性，从1个图片中挑选出2000个候选图片，进行预测。而不是完全进行枚举操作，以大大降低判断的计算量。
为了提高识别率，有哪些考虑
为了提高识别率，RCNN做了以下的考虑：
训练SVM和线性回归模型时，输入值不是图片的原始内容，而是专门训练了一个CNN网络，去提取图片特征。
完整的训练过程
生成原始训练集
使用选择性搜索方法，为每个图片生成2000个碎片化图片。并且准备好这些碎片化图片的类型和主体的偏移量。
特征提取
使用所有的碎片化图片训练出一个CNN网络。并将其中一层的输出，作为该图片的特征。
训练模型
将所有的碎片化图片的CNN特征，和对应的类型和主体的偏移量，作为训练样本去完成对20个SVM和20个线性回归器的训练。
完整的预测过程
1、使用选择性搜索方法，获得2000个碎片化图片
2、使用训练好的CNN模型，获得2000个碎片化图片对应的特征
3、使用训练好的SVM获得2000个碎片化图片的类型，并使用NMS(Non-Maximum Suppression 非极大值抑制)的方法，去掉那些重复的主体对象的碎片化图片
4、将第3步剩下的碎片化图片的特征输入对应本类型的线性回归器，预测出主体的位置。
（完）
