RCNN
RCNN:Region-based Convolutional Neural Networks,是将CNN方法引入目标检测领域,很大程度上提高了目标检测效果。RCNN最初被发表于 2014的CVPR 。此处献上RCNN原文,以便于学习。
RCNN算法分为4个步骤
- 候选区域生成: 一张图像生成1K~2K个候选区域 (采用Selective Search 方法)
- 特征提取: 对每个候选区域,使用深度卷积网络提取特征 (CNN)
- 类别判断: 特征送入每一类的SVM 分类器,判别是否属于该类
- 位置精修: 使用回归器精细修正候选框位置
此次,是将RCNN用于文本分类中,代码的具体实现参考了Heitao5200的代码(代码链接)。在此基础上进行了修改以便适合自己的环境和需求。而且在因为数据量太大,目前只是分别选取了前10000行数据作为训练和测试。
目前训练出的model的测试结果如下图所示:
参考文献
[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