经过分割与重组后，得到的proposals为2000个，将得到的不同大小的proposals进行warp操作得到尺寸统一的inputs，得到的特征矩阵是2000x4096，然后SVM的权重矩阵是4096 x N。 如下是AlexNet网络，《ImageNet Classification with Deep Convolutional Neural Networks》，知输入是一张一张输入的，然后得到此矩阵。

 

RCNN分为的四个步骤：

1、每张图片1k~2k个候选区域

2、对每个侯选区域，使用深度网络提取特征

3、特征送入SVM分类器，判别是否属于该类

4、使用回归其精细修正候选框位置

 

已经对第2个步骤进行了理解，对于第4个步骤，如何位置精修？

回归器：线性脊回归

通过损失函数最小化，训练回归器，然后对每一类的结果进行修正。

输入是pool5层的4096维特征，输出为xy方向的缩放和平移。

 

参考博客：https://blog.csdn.net/shenxiaolu1984/article/details/51066975