滑動窗法方法使用訓練過的分類器，在這些視窗中全部執行一遍，然後執行乙個檢測器，看看裡面是否有車輛，行人和電單車。現在你也可以執行一下卷積演算法，這個演算法的其中乙個缺點是，它在顯然沒有任何物件的區域浪費時間。
編號1,2的區域顯然沒有任何感興趣的東西。
r-cnn 的演算法是帶區域的卷積網路，或者說帶區域的 cnn。這個演算法嘗試選出一些區域，在這些區域上執行卷積網路分類器是有意義的，所以這裡不再針對每個滑動窗執行檢測演算法，而是只選擇一些視窗，在少數視窗上執行卷積網路分類器。
選出候選區域的方法是執行影象分割演算法，分割的結果是下邊的影象：
在這種情況下，如果在藍色色塊上執行分類器，希望你能檢測出乙個行人，如果你在青色色塊上執行演算法，也許你可以發現一輛車。
所以這個細節就是所謂的分割演算法，你先找出可能 2000 多個色塊，然後在這 2000 個色塊上放置邊界框，然後在這 2000 個色塊上執行分類器，這樣需要處理的位置可能要少的多，可以減少卷積網路分類器執行時間，比在影象所有位置執行一遍分類器要快。
這就是 r-cnn 或者區域 cnn 的特色概念，現在看來 r-cnn 演算法還是很慢的。所以有一系列的研究工作去改進這個演算法，所以基本的 r-cnn 演算法是使用某種演算法求出候選區域，然後對每個候選區域執行一下分類器，每個區域會輸出乙個標籤。
澄清一下， r-cnn 演算法不會直接信任輸入的邊界框，它也會輸出乙個邊界框$$，$$,$$,$$,這樣得到的邊界框比較精確，比單純使用影象分割演算法給出的色塊邊界要好，所以它可以得到相當精確的邊界框。
現在 r-cnn 演算法的乙個缺點是太慢了，所以這些年來有一些對 r-cnn 演算法的改進工作，ross girshik 提出了 fast r-cnn 演算法，它基本上是 r-cnn 演算法，不過用卷積實現了滑動窗法。最初的演算法是逐一對區域分類的，所以 fast r-cnn 用的是滑動窗法的乙個卷積實現。
事實證明， fast r-cnn 演算法的其中乙個問題是得到候選區域的聚類步驟仍然非常緩慢，所以另乙個研究組， 任少卿（ shaoqing ren）、 何凱明（ kaiming he）、 ross girshick 和孫劍（ jiangxi sun）提出了更快的 r-cnn 演算法(faster r-cnn)，使用的是卷積神經網路，而不是更傳統的分割演算法來獲得候選區域色塊，結果比 fast r-cnn 演算法快得多。不過我認為大多數faster r-cnn 的演算法實現還是比 yolo 演算法慢很多。
YOLO吳恩達（候選區域）
候選區域 在滑動視窗演算法中，使用訓練好的分類器在影象中滑動，或者後面使用卷積網路 影象時都會有乙個缺點 在顯然沒有任何物件的區域浪費時間。上圖矩形框中，我們明顯知道上面沒有任何目標，但是網路還會再上面進行 r cnn演算法 帶區域的卷積網路 選出一些區域，再這些區域上執行卷積網路分類器是由意義的。...
PS如何使用儲存選區和載入選區
有時候我們需要多次使用精心扣出來的影象，就需要使用到儲存選區功能，將選區儲存起來，方便以後再次使用，儲存的選區會隨著檔案儲存起來，以後再次使用時候，只需要載入選區即可 儲存選區 使用魔棒功能選中紅色單擊 右擊儲存選區 通道選新建，備註名稱，點選確定 第二種儲存選區方式 點選通道面板，再點選右下角，將...
photoshop 建立選區
選區是封閉的區域，可以是任何形狀，但一定是封閉的。不存在開放的選區。選區一旦建立，大部分的操作就只針對選區範圍內有效。如果要針對全圖操作，必須先取消選區。取消選區 選擇 取消選擇，快捷鍵 ctrl d 選區大小 f8 photoshop中的選區大部分是靠使用選取工具來實現的。選取工具共8個，集中在工...