R-CNN 这篇论文是 CVPR’14 的一篇论文。相对来说比较久远，它算是神经网络用于目标检测领域的始祖吧。这周看看这篇论文，了解一下 R-CNN 的主要思想。
Object detection with R-CNN
首先是将 R-CNN 用于目标检测。下面是目标检测的系统概览：
首先是图片输入，然后采用 Region proposals 的方法提取约 2000 多个区域；然后利用 CNN 计算特征；最后，用线性的 SVM 进行特征分类。
Region Proposal 是一类传统的区域提取方法，可以看作不同宽高的滑动窗口，通过窗口滑动获得潜在的目标图像，关于 Proposal 大家可以看下 SelectiveSearch，一般 Candidate 选项为 2k 个即可 - 《RCNN介绍》
因为做的是目标检测，所以，还需要得到分类的精确区域，即论文中提到的边界框回归（_Bounding-box regression_）。论文中在给定 pool5 特征的选择性搜索的区域特征上，用线性回归模型来预测一个目标窗口。
Semantic Segmentation
区域分类是语义分割的标准技术，所以，可以轻松地将 R-CNN 应用于 PASCAL VOC 分割挑战。语义分割也是在 _region proposals_（CPMC 提取的区域，质量比较好）的基础上，再利用 CNN 提取特征。
利用 CNN 提取特征的时候，采用了 3 种策略。第一种策略是，完全（full）忽略 region 的形状，直接用 CNN 在扭曲的窗口上提取特征，就像做检测一样。但是，这些特征会忽略该区域的非矩形形状。 两个区域可能具有非常相似的边界框，同时具有非常小的重叠。 因此，第二终策略（fg）仅在区域的前景掩码上计算 CNN 特征。 同时，用平均输入替换背景，以便在平均减法后背景区域为零。第三种策略（full + fg）简单地连接 full 和 fg 的特征; 实验验证了它们的互补性，如下图所示。