RCNN
RCNN:Region-based Convolutional Neural Networks,是將CNN方法引入目標檢測領域,很大程度上提高了目標檢測效果。RCNN最初被髮表於 2014的CVPR 。此處獻上RCNN原文,以便於學習。
RCNN算法分爲4個步驟
- 候選區域生成: 一張圖像生成1K~2K個候選區域 (採用Selective Search 方法)
- 特徵提取: 對每個候選區域,使用深度卷積網絡提取特徵 (CNN)
- 類別判斷: 特徵送入每一類的SVM 分類器,判別是否屬於該類
- 位置精修: 使用迴歸器精細修正候選框位置
此次,是將RCNN用於文本分類中,代碼的具體實現參考了Heitao5200的代碼(代碼鏈接)。在此基礎上進行了修改以便適合自己的環境和需求。而且在因爲數據量太大,目前只是分別選取了前10000行數據作爲訓練和測試。
目前訓練出的model的測試結果如下圖所示:
參考文獻
[1]: https://blog.csdn.net/weixin_34132768/article/details/86887188
[2]: https://zhuanlan.zhihu.com/p/23006190?refer=xiaoleimlnote
[3]: https://github.com/rbgirshick/rcnn
[4]: https://zhuanlan.zhihu.com/p/46963225
[5]: https://zhuanlan.zhihu.com/p/45391378