一、前言

RCNN（Regions with CNN features）算法由Ross Girshick在2014年的论文“Rich feature hierarchies for accurate object detection and semantic segmentation”提出，是深度学习目标检测的开山之作。RCNN将CNN应用到目标检测问题上，它使用选择性搜索从图像中提取候选区域，利用卷积层提取后去区域的特征，最后对这些候选区域进行分类和回归 。RCNN的出现大大提高了目标检测的效果，同时也改变了目标检测领域的主要研究思路。它的出现使得人们开始意识到深度学习在计算机视觉领域中的广泛应用前景。虽然RCNN难以满足实时检测需求，但能帮助我们较好的理解并入门目标检测算法。

二、RCNN算法实现

RCNN算法实现主要包括以下步骤：候选区域生成→特征提取→图像分类→候选框位置修正→预测。和论文中实现方式不同的是，本文不采用SVM训练分类器，而是直接使用CNN分类模型完成图像分类和特征提取任务。

本文算法基于python3.7 + pytorch框架 + 17flowers数据集实现。

1. 候选区域生成

RCNN采用选择性搜索（selective search，后面简称为ss）的办法产生候选区域，参考论文：J. Uijlings, K. van de Sande, T. Gevers, and A. Smeulders. Selective search for object recognition. IJCV, 2013.

1.1 ss方法实现思路

　　1.1.1 采用某种手段（如Felzenszwalb方法）将图像分割成许多小区域 R = {r₁, ... , r_n}

　　1.1.2 初始化一个集合 S = Ø，用于存放临近区域的相似度结果

　　1.1.3 遍历R中的相邻区域对 (r_m, r_n)，计算他们之间的相似度 s( r_m, r_n)，将相似度结果放入集合 S 中：

　　1.1.4 如果S不为空集：

　　　　a. 根据 s(r_i, r_j)=max(S) 寻找 S 中相似度最高的区域对 (r_i, r_j)

　　　　b. 将区域 r_i 和 r_j 合并，得到新的区域 r_t = r_i U rj

　　　　c. 移除S中区域 r_i 和 r_j 相关的所有相似度结果 S = S  s(r_p, r_*)，p = {i, j}

　　　　d. 计算新区域 r_t 与周围区域的相似度集合 S_t，并将 S_t 放入集合 S 中，将新区域 r_t 放入集合 R 中，即 S = S U S_t， R = R U r_t 

　　1.1.5 提取 R 中所有区域的边界框，即为可能存在物体的区域

1.2 ss方法的特点

　　1.2.1 速度快：利用分割算法而非暴力穷举的方式生成候选区域，同时采用自底向上合并重叠区域的方法，减少区域冗余

　　1.2.2 多样化：并非从单一特征定位物体，而是从颜色、纹理、大小等多个方向对分割区域进行合并定位

1.3 ss方法的python实现

ss方法的python代码如下：

View Code