Rich feature hierarchies for accurate object detection and semantic segmentation

具体流程如图：1，首先输入一张照片，利用Select search 方法找到图片中的region proposals，然后把每一个proposal wrap到2227*227的RGB通道。2，利用CNN对输入的wrap照片提取feature。3，利用SVM对4096个feature提取feature。

之前有考虑过传统的slide window的方法，但是我们照片的大小很大，步长也很长，所以得到的效果比较差。最终我们决定使用以上的pipline。

由于训练的数据比较少，首先我们利用ILSVRC的数据集进行预训练，然后再用小数据集PASCAL进行单独训练（21类）

paper中还有一些关于每一层究竟学到了些什么的部分，这里不做介绍。最后得出结论，每一层都是一个特征提取器。

for semantic segmentation

他优化了当时最好的semantic segmentation的方法【1】，CPMC的方法，增加了3个strategy。full+fg+（full+fg），这里没有看太明白。可以再研究下。

【1】：Semantic segmentation with second-order pooling.J. Carreira ECCV 2012