《Region-based Convolutional Networks for Accurate Object Detection and Segmentation》是將卷積神經網路應用於物體檢測的一篇經典文章。

整個識別過程可以用下面的一張圖片來清晰的表示：

首先給定一張輸入影象，採用selective search產生區域提名，因為區域提名的長寬比例不一樣，將提取出的區域縮放為固定的大小和長寬比例以便於送入CNN模型進行運算。通過CNN運算後，得到一個特徵向量，然後通過線性SVM來判斷這個區域是否屬於某個類別。

1.要想做檢測，首先需要的是區域提名，文章中提到了很多種區域提名的方法：objectness [51], selective search [21], category-independent object proposals [52], constrained parametric min-cuts (CPMC) [22], multi-scale combinatorial grouping [35] 。 本文中用了selective search

2.網路採用的是經典的AlexNet網路，文中稱之為TorontoNet，其實是同一個網路。訓練過程中，採用梯度下降法，在VOC和ILSVRC2013 兩類資料集上分別進行訓練，在網路的最後，不是採用softmax而是針對沒一個類別單獨的訓練一個線性SVM。