Rich feature hierarchies for accurate object detection and semantic segmentation
R-CNN: Regions with CNN features
待解决问题：采用深度网络定位物体；只用少量的物体检测标注数据训练高性能模型
物体定位问题定义：回归问题；滑动窗口方法（sliding-window approach）
Object detection with R-CNN
物体检测系统包含三个模块：生成与类别无关的候选区域；CNN从每个区域提取固定长度的特征向量；特定类别的线性SVMs集合
Module design
Region proposals：采用选择性搜索方法
Feature extraction：采用AlexNet（5个卷积层，2个全连接层）从每个region提取4096维特征。
- 统一regions尺寸为227 x 227：不考虑候选区域的size和ratio，直接将将最逼近的bounding box里的所有像素
Features are computed by forward propagating a
mean-subtracted 227 x 227 RGB image through five convolutional
layers and two fully connected layers.
Test-Time测试
- 在测试图像中选择性搜索，提取大约2000个region proposals
- - code