RCNN
物體檢測不再是對單一物體進行分類，而是要分類多個物體，另一方面還需要知道這些物體在什么地方，也就是bounding box。這兩點使得識別比分類更加困難。
因此采用來扣一塊區域出來，放卷積神經網絡來看一看是不是我要的物體，如果不是就丟棄，如果是，那就找到這個物體了。如此使用Selective Search生成若干個區域，然后對每一個區域進行一次分類，就可以了。
每一個生成的感興趣區域的框大小肯定是不一樣的，因此卷積神經網絡會將這些區域resize成大小相等的框，然后丟進卷積神經網絡生成特征
1、分類，最早的RCNN是采用單分類的SVM，比如有十個感興趣的物體則采用十個SVM分類器
2、定位，Selective Search出來的box不一定就是我所需要的box,可能會存在偏差，因此會采用回歸來判斷預測框與真實框的loss。
選擇性搜索算法使用《Efficient Graph-Based Image Segmentation》論文里的方法產生初始的分割區域作為輸入，通過下面的步驟進行合並：
- 首先將所有分割區域的外框加到候選區域列表中
- 基於相似度合並一些區域
- 將合並后的分割區域作為一個整體，跳到步驟1
通過不停的迭代，候選區域列表中的區域越來越大。可以說，我們通過自底向下的方法創建了越來越大的候選區域。表示效果如下：
選擇性搜索算法如何計算兩個區域的像素度的呢？
主要是通過以下四個方面：顏色、紋理、大小和形狀交疊
最終的相似度是這四個值取不同的權重相加
FAST RCNN
由於RCNN一張圖片大概會生成兩千個候選區域，fast RCNN 想讓速度提升，並不是在原始圖片上進行感興趣區域搜索，而是先對圖片進行卷積，也就是只對原始圖片進行一次卷積。然后在特征圖片上進行，Selective Search操作得到感興趣區域，同時不再對區域進行resize操作（不好求導），而是ROI Pooling。
另一個區別就是用SoftMax代替了SVM.
ROI Pooling
ROI pooling具體操作如下：
根據輸入image，將ROI映射到feature map對應位置；
將映射后的區域划分為相同大小的sections（sections數量與輸出的維度相同）；
對每個sections進行max pooling操作；
這樣我們就可以從不同大小的方框得到固定大小的相應 的feature maps。值得一提的是，輸出的feature maps的大小不取決於ROI和卷積feature maps大小。ROI pooling 最大的好處就在於極大地提高了處理速度。
ROI pooling example
我們有一個8*8大小的feature map，一個ROI，以及輸出大小為2*2.
region proposal 投影之后位置（左上角，右下角坐標）：（0，3），（7，8）。
將其划分為（2*2）個sections（因為輸出大小為2*2），我們可以得到：
對每個section做max pooling，可以得到：
整體過程如下：
說明：在此案例中region proposals 是5*7大小的，在pooling之后需要得到2*2的，所以在5*7的特征圖划分成2*2的時候不是等分的，行是5/2，第一行得到2，剩下的那一行是3，列是7/2，第一列得到3，剩下那一列是4。
Faster RCNN
主要改進就是用RPN代替了Selective Search
對每個像素生成9個錨框，因為這樣生成的錨框在大部分情況下只是背景，所以 利用一個二分類的Softmax,判斷錨框內是否為感興趣物體，如果不是則拋棄，如果是則放入ROI Pooling內
后面的Softmax則是判斷具體為哪個物體
