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 
