FasterRCNN理解

RCNN系列的内容已经有非常多同学分享出来了，大多也非常详细。为了避免在长文中迷失方向，这里做个精简版的总结，记录个人的理解。主要是概括算法流程以及特点，方便回顾。先简单介绍下RCNN和Fast RCNN，在详细记录faster rcnn的RPN网络的理解。

RCNN:

1. 流程
   （1）. 采用传统方法Selective Search产生目标候选框
   （2）. 对每个候选框，用深度卷积神经网络提取特征得到feature map
   （3）. 每个框得到的feature map喂给SVM分类器，并通过线性回归调整bounding box的位置和大小，使得更接近 gt
2. 缺点：
   （1）CNN网络参数不共享
   （2）采用SVM分类器，速度慢
   （3）产生后选框ROI的大小不一样，这样导致CNN输出与FC维度不统一
   

总的来说，RCNN比较笨，比较慢，进而提出SPP-net。SPP-net用CNN一次性提取特征，并利用空间金字塔池化（spatial pyramid pooling）将大小不一致的proposal变成大小一样的