数据竞赛——4

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

1. 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）
2. 特征提取： 对每个候选区域，使用深度卷积网络提取特征 （CNN）
3. 类别判断： 特征送入每一类的SVM 分类器，判别是否属于该类
4. 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