目标检测中的候选区域

候选区域(Region proposal)：通过某种方式在输入图片上生成一系列可能包含物体的区域，这些区域成为候选区域。
生成候选区域的方式：

• 滑动窗口(sliding window)，即遍历法，设计思想简单，计算量巨大，不实用。其问题在于：漫无目的性的搜索。 滑动窗口法

• 选择性搜索(selective search)，根据相似程度（颜色，纹理，大小，形状等）来提出包含目标对象可能性更大的候选区域，候选框从数十万(滑动窗口法)降到几千(R-CNN中两千左右），从而极大的降低了计算量，提高了检测速度 selective search算法获得的候选框
• RPN(Region proposal network)，2015年，很多学者意识到 Most algorithms can benefit from end-to-end training. 其实这是很好理解的，深度学习本身就是基于数据驱动完成了算法的性能提升。如果算法框架是End-to-End的，那么各组分（诸如区域候选提取、特征提取、边界框回归等）应该耦合的更紧密。Faster RCNN提出了一种方法，在网络中设计一个模块来提取候选框(region proposal networks)，在提取特征的过程中完成候选框提取的操作，大大加快了物体检测的速度 RPN