参考论文：Rich feature hierarchies for accurate object detection and semantic segmentation
下载地址：https://arxiv.org/pdf/1311.2524.pdf
R-CNN的工作流程：
⦁ 首先用选择性搜索算法（Selective Search,SS）提取候选区域
⦁ 使用深度卷积神经网络提取每一个候选区的深度特征
⦁ 训练SVM分类器来对这些特征进行分类
⦁ 最后通过边界回归算法重新定位目标边界框
Selective Search对算法的贡献：此前，在一些传统的目标识别算法中，使用的是滑动窗口进行候选区提取，这样会导致在一章图片中会产生高达百万个候选区，而在R-CNN中，使用选择性搜索算法，每次提取的候选区大概只有1k到2k可能包含物体的区域。
使用深度CNN提取建议区域的特征时，需要注意的是，有些网络对输入图片的大小有要求，如Alex-net要求输入的图片尺寸为227像素*227像素的大小。因此，由SS提取得到的候选区的尺寸大小不一，需要在输入神经网络之前调整大小。通过深度CNN提取特征后，每个目标候选区域相应得到一个4096维的特征向量。
以上得到了每个候选区域的特征向量，接下来使用SVM分类器对特征进行分类。
相对与传统的方法，R-CNN的主要优势有：
⦁ 使用深度学习方法提取深度特征，而不是使用人为设计，因此提高了任务精度。
⦁ 采用区域建议提取可能目标，而不是使用滑动窗口的方式取检测目标，这样减少了不必要的候选区。
⦁ 加入了边界回归的策略来进一步提高检测精度
不足之处：
R-CNN使用了区域建议的方法，对每一个建议区域都重新计算整个神经网络，使得运算效率不高，也没有将区域建议过程融合在整个深度学习模型中，无法做端到端的处理任务。