Test的過程：

1. 對給定的一張圖片，通過Selective Search得到2000個Proposals

2. 每一個Proposal都經(jīng)過已經(jīng)訓練好的CNN網(wǎng)絡， 得到fc7層的features,4096-dimension，即2000*4096

3. 用SVM分類器(4096*K)得到相應的score，即2000*K

4. 用CNN中pool5的特征，利用已經(jīng)訓練好的權值，得到bounding box的修正值，原先的proposal經(jīng)過修正得到新的proposal的位置

5. 對每一類別的scores，進行non-maximum suppression。具體來講，對于2000*K中的每一列，進行nms。對于特定的這一列（這一類），選取值最大的對應的proposal，計算其他proposal跟此proposal的IOU，剔除那些重合很多的proposal。再從剩下的proposal里選取值最大的，然后再進行剔除，如此反復進行，直到?jīng)]有剩下的proposal。K列（K類）都進行這樣的操作，即可得到最終的bounding box和每一個bounding box對應的類別及其score值。

Training的過程：

1. 對訓練集中所有的圖片，用selective search提取出各圖片對應的2000個proposal，并保存。（圖片路徑+bounding box信息）

2. 對每張圖片，根據(jù)圖片中bounding box的ground truth信息，給該圖片的2000個proposal賦類標簽，并保存。（這2000個proposal，如果跟ground truth中的proposal的IoU值超過了閾值，則把ground truth中的proposal對應的類標簽賦給原始產(chǎn)生的這個proposal，其余的proposal都標為background）

3. 根據(jù)2中得到的文件，每次隨機取batch，32 positive windows and 96 background windows，來訓練一個在ImageNet上訓好的模型，每一個proposal輸入CNN，對應的類標簽，來訓練這201類的classification網(wǎng)絡，訓練好后，對所有的proposal,forward一遍來得到fc7 feature，保存最終的fc7特征及對應的proposal信息到文件中

4. 訓練SVM分類器。對某一個特定的類，把跟屬于這個類的ground truth的bounding box的IoU大于閾值的原始提取的proposal標為正樣本，其余標為負樣本，得到新的一個文件（加上之前得到的fc7特征信息）。用這個文件去訓練這一個類的SVM。同樣的方法，循環(huán)訓好其他類別的分類器。

5. 用CNN得到的pool5的特征和bounding box的ground truth來訓練bounding box regression，只對那些跟ground truth的IoU超過某個閾值的proposal進行訓練，其余的不參與。

補充：

1. 在把proposal丟進CNN之前，需要把proposal處理成固定的一個大小，paper里提到“Prior to warping, dilate the tight bounding box, make p pixels around the original”，這個是什么意思？

比例=proposal的w/227-2p，把原圖按此比例進行變換，以proposal的中心為中心，截取227大小的圖作為輸入，進入CNN

2. Detection中，mAP是怎么計算的？

對于每一個類，設置一個閾值，score大于此值的為正，否則為負，與ground truth相比，得到屬于次此類別且score大于閾值的proposal，屬于此類別但score不大于閾值的proposal，得到不屬于此類別但score大于閾值的proposal，不屬于此類別但score不大于閾值的proposal。由此計算，precision, recall。通過改變閾值，得到不同組對應的recall和precision。畫曲線即可得到AP。

得到每一個類別對應的AP后，取平均值得到mAP。

recall = 屬于次此類別且score大于閾值的proposal/(屬于此類別且score大于閾值的proposal+屬于此類別但score不大于閾值的proposal

precision = 屬于次此類別且score大于閾值的proposal/(屬于此類別且score大于閾值的proposal+不屬于此類別但score大于閾值的proposal