一、IOU的理解
物体检测时需要定位出物体的bounding box，与此同时还要识别出bounding box中的物体是什么。因此对于bounding box的定位精度有个重要新概念IOU（算法标注和人工标注的数据肯定不能百分之百匹配）如图。
IOU定义了两个bounding box的重叠度。
矩形框A、B的重叠度IOU计算方法：IOU=(A∩B)/(A∪B)
A、B矩形框的重叠面积与他们面积的并集之比。
二、非极大值抑制
对于RCNN来说，会从图中找出多个可能是物体的矩形框，然后为这些矩形框做类别分类概率，如下图，定位一个车辆，检测出多个可能是车辆的矩形框，我们此时需要判断哪些框有用哪些无用。
非极大值抑制：假设检测出6个框，分别叫ABCDEF，根据分类器的分类概率进行排序，假设从大到小的概率为ABCDEF
第一步、将概率最大的框A，分别与BCDEF框计算出IOU是否大于某个阈值（阈值是设定的）
第二步、假设BC与A的IOU大于阈值，则丢去BC，然后标记A是我们保留的
第三步、此时剩下DEF，从DEF中选择概率最大的D，让EF分别与D计算IOU值，如果大于阈值则丢去，标记D为我们保留的
第四步、不断重复，找到所有被保留下来的矩形框
三、RCNN
算法思想：1.找出候选框 2.用CNN对其提取特征向量 3用SVM进行特征向量分类如图
3.1搜索候选框
当给出一张图片时，我们需要搜索出所有可能是物体的区域，采用的算法是Selective Search，通过该算法，找到2000多个候选框。从上图可知，候选框都是矩形，但是大小不同，根据步骤，接下来是进行cnn特征提取，但是我们知道，CNN对输入图片的大小是固定的，因此对于候选框我们需要缩放到固定大小。方法：
1）.各向异性缩放
不管图片长宽比例，不管是否扭曲，只管缩放到cnn要求的比例。图（D）
2）.各向同性缩放
考虑到图片扭曲会对分类精度有影响，提出各向同性缩放
a.将bounding box的边界向外延伸，使图片成正方形，然后裁剪。如果延伸到原来图片的外边界，则用bounding box中的颜色补齐。图B
b.先将bounding box中的图片裁剪出来，然后用固定的背景颜色填充成正方形（背景颜色是bounding box的像素颜色均值）图C
得到指定大小的图片后，我们用IOU为这些候选框打标签，如果用算法selective search挑选出来的候选框与与人工标注的候选框的IOU大于0.5，则该候选框标注为物体，否则标注为背景类别。
3.2.网络初始化
直接用Alexnet的网络，然后连参数也是直接采用它的参数，作为初始的参数值，然后再fine-tuning训练
假设要检测的物体类别有N类，那么我们就需要把上面预训练阶段的CNN模型的最后一层给替换成N+1个输出的神经元(加1，表示还有一个背景)，然后这一层直接采用参数随机初始化的方法，其它网络层的参数不变；接着就可以开始继续SGD训练了。开始的时候，SGD学习率选择0.001，在每次训练的时候，我们batch size大小选择128，其中32个正样本、96个负样本。
