數據競賽——4

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

1. 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）
2. 特徵提取： 對每個候選區域，使用深度卷積網絡提取特徵 （CNN）
3. 類別判斷： 特徵送入每一類的SVM 分類器，判別是否屬於該類
4. 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