RCNN目标：希望能够用深度学习方法提取特征替代传统的手动设计的hog等特征
Rcnn网络结构：
其中 Slective search是一些传统的特征，颜色，尺寸等
Warped 是将选取的区域缩放到相同的尺寸 （是卷积神经网络的输入要求的大小）
具体过程：
Slective search选取的图像区域输入CNN，通过卷积神经网络计算特征，特征是某个候选区域对应的特征
分类分支：使用特征训练多个SVM进行识别物体，每个SVM进行预测区域内是否包含某个物体
回归分支：通过区域特征训练线性回归对选择的区域进行调整
区域通过selective search选取2000个
选择区域—>CNN计算区域特征—>(1)使用计算的特征训练SVM进行分类(2)使用区域特征训练回归对之前区域的位置进行调整
RCNN三大不足：
Slective search不能很好代表图像，还是基于传统的颜色、尺寸等选取的区域