目標檢測，從over feat到R-CNN的總結

首先我們看over feat： 它的基本思路是通過構建不同大小的建議框，以一種暴力破解的方式滑動候選框，計算當前位置是這個物體的概率，選出概率最大的框。 R-CNN如下圖所示： 首先一張圖片輸入進來，會用大約2000個候選框，然後爲了適應CNN將這些候選框進行變形送進CNN，然後將CNN得到的特徵向量送入SVM得到圖像的類別，迴歸得到正確的候選框的位置。      

>>阅读原文<<