目前目標檢測比較好的兩種方法是Fast-RCNN和OverFeat。我更喜歡OverFeat,因爲OverFeat完全使用CovNet來做Classification,Localization和detection,比Pip Line的方法好多了,簡潔並且減少經驗性的東西。最終也方便做到end-end的Training。
嘗試一下如何使用OverFeat。OverFeat的代碼包是sklearn-theano。
安裝sklearn-theano。
一般搞圖像的Python環境應該都裝好了。然後按照這個說明來就可以了。
http://sklearn-theano.github.io/install.html
對於開發者是不是都應該選develop的版本?
運行一個例子
將這個簡單的測試代碼example-plot-multiple-localization-py保存到本地。然後運行
python example-plot-multiple-localization-py
可能會有錯誤,找不到net_weights.zip。因爲訓練好的網絡比較大,沒有放到安裝包裏,而是測試的時候去下載。下載地址可能被牆了。
需要翻牆下載net_weights.zip這個文件,然後:
mv net_weights.zip ~/sklearn_theano_data/overfeat_weights/
應該就能看到結果:
再運行一個例子:
python plot_localization_tutorial.py