码迷,mamicode.com
首页 > 其他好文 > 详细

RCNN的安装与简单使用

时间:2015-07-03 19:19:28      阅读:436      评论:0      收藏:0      [点我收藏+]

标签:

最近准备从物体检测的角度来重新审视文本检测这个方向,所以看了下CNN大火以后的几篇经典文献,OverFeat,Region CNN, Dense Neural Pattern等等。

对这个方向来说,百闻不如一试,趁着其他程序还在跑没什么事,我安装了一下RCNN来看看效果


RCNN的安装

下载与安装说明地址:https://github.com/rbgirshick/rcnn

其实我觉得安装并没有太多要说的,RCNN本身并没有很难安装,难点是caffe的安装,caffe安装好了剩下的就好说了


我就提一下我觉得两个要注意的点吧:

1. 这套代码是依赖于caffe的,在安装过程中也会说明,大家把安装说明中提到的caffe安装好就行了(里面有下载地址)


2. 假如说linux系统没有连接外网,需要自己手动下载Selective Search以及两个pretrain的model


Selective Search库的下载地址在selective_search文件夹下,运行sh文件看报错信息能知道,然后把下载的压缩包解压在selective_search文件夹就好


pre-train的model在data下面,运行sh文件看报错信息也能知道对应的下载地址,注意这两个model非常大,每个有1.5G,建议迅雷下载



RCNN的demo

额不得不说ssh协议下没法显示图像的确是蛋疼,最终我是在windows看了看结果,之后我会改改代码直接在图像上画框,而不是类似imshow这样的机制。不多说了,看结果吧

技术分享

技术分享


参考文献

Rich feature hierarchies for accurate object detection and semantic segmentation

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks

Generic Object Detection with Dense Neural Patterns and Regionlets

Object Detection Networks on Convolutional Feature Maps

BoxSup: Exploiting Bounding Boxes to Supervise Convolutional Networks for Semantic Segmentation

AttentionNet: AggregatingWeak Directions for Accurate Object Detection


----------------------------------------------------分割线-----------------------------------------------------------

下面是我自己照的照片的识别结果

由于图片大小限制,只能给低分辨率的结果,高分辨率的结果会更准确而且召回率高

技术分享


技术分享(竟然把红框里的当冰箱了,不过score并不高,也就是0.2左右)



版权声明:本文为博主原创文章,未经博主允许不得转载。

RCNN的安装与简单使用

标签:

原文地址:http://blog.csdn.net/kuaitoukid/article/details/46740477

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!