R-CNN

과정

1. input 이미지를 넣는다.

2. selective search를 통해 약 2000개 정도의 bounding box에 대한 region proposal을 받는다.

3. 이후 fully connected layer에 고정된 사이즈로 input이 들어가야 하기 때문에 cnn input때부터 아예 warp를 통해서 제각각 사이즈인 후보 상자들을 억지로 227*227 사이즈로 변형시킨다.

4. CNN을 통과하여 feature vector이 나온다.

5-1. feature vector을 가지고 각 클래스 별로 svm classifier을 학습시킨다. 객체인가, 객체라면 어떤 물체일 확률이 높은지에 대한 score을 갖게 된다.

5-2. feature vector을 가지고 bounding box regression model을 수정하여 박스가 더 정확한 위치를 찾도록 한다.

 

 

단점

1. region proposal된 영역 2000개를 개별적으로 cnn을 거치니 시간이 너무 오래 걸린다.

2. 고정된 사이즈로 resize 하는 과정 중에 이미지의 과도한 변형이 일어난다.