前言： 主要總結一下自己最近看文章和程式碼的心得。

1. CNN用於分類：具體的過程大家都知道，無非是卷積，下采樣，啟用函式，全連線等。CNN用於分類要求它的輸入圖片的大小是固定的（其實不單單是CNN，很多其它的方法也是這樣的），這是它的一個不足之處之一。目前的大部分CNN都是用來做分類比較多。

2. CNN用於檢測：主要的方法有兩種，細分一下有三種，

第一種最為簡單和暴力的，通過滑動視窗的方法，提取一個固定大小的影象patch輸入到CNN網路中，得到該patch的一個類別，這樣得到一個圖片密集的類別得分圖。顯然，這種方法的一個弊端就是運算量太大，如果圖片的解析度比較的大，就根本無法進行下去，更何況，這還是在沒有考慮圖片多尺度檢測的情況。

第二種方法，在第一種方法的基礎之上，採用了動態規劃的思想，避免了重複計算問題。對於CNN來說，直到第一個全連線層之前，它的輸入圖片大小是可以不固定的，但是有了全連線層之後，就要求輸入大小保持一致，第二種方法是先把任意大小的圖片進行輸入CNN直到第一個全連線層，然後再在它的基礎上進行固定大小的滑動視窗輸入到全連線層中，由於第一個全連線層之前進行了大量的下采樣操作，所以這時候的滑動視窗的數目就大大的減少了，而且前面的卷積操作就要計算一次，沒有重複計算的問題。CNN裡面有一個trick就是把訓練好了的用於分類的網路，把它的全連線層引數轉化為卷積層引數。這樣改造後的CNN就成了全卷積CNN，它的輸入是可以任意的，而它的輸出是patch 的類別得分。這個在Caffe裡面有一個例子說明怎麼轉換。網址在這裡：

第三種方法，跟前兩種不同的是，它不是採用滑動視窗的方法，而是採用提取子視窗的方法，這種方法最典型的是今年的CVPR2014的R-CNN方法，它先採用一個方法來進行生成1000-2000左右的視窗區域（類似於目標顯著性檢測，但又不同，英文的說法叫Objectness，不好翻譯），然後再把這些視窗歸一化到相同的大小放到CNN裡面去做分類。（當然RCNN的方法只是用訓練好了的CNN進行提特徵，它還需要進行對每一個類別進行訓練SVM分類器）。顯然這種方法的優點的是比前兩種快，因為分類的視窗少，但是它也有不足就是，它要保證要檢測的目標在這些1000-2000個提取的視窗中的概率要足夠的高，也就是要有比較高的召回率。再者，它要保證這1000-2000個視窗的提取要足夠的快，（在R-CNN中，由於它採用的方法生成視窗很慢，所以實際上整個檢測是比較慢的。）