RCNN的安裝與簡單使用

【原文：http://blog.csdn.net/kuaitoukid/article/details/46740477】

最近準備從物體檢測的角度來重新審視文字檢測這個方向，所以看了下CNN大火以後的幾篇經典文獻，OverFeat，Region CNN， Dense Neural Pattern等等。

對這個方向來說，百聞不如一試，趁著其他程式還在跑沒什麼事，我安裝了一下RCNN來看看效果

RCNN的安裝

下載與安裝說明地址：https://github.com/rbgirshick/rcnn

其實我覺得安裝並沒有太多要說的，RCNN本身並沒有很難安裝，難點是caffe的安裝，caffe安裝好了剩下的就好說了

我就提一下我覺得兩個要注意的點吧：

1. 這套程式碼是依賴於caffe的，在安裝過程中也會說明，大家把安裝說明中提到的caffe安裝好就行了（裡面有下載地址）

2. 假如說linux系統沒有連線外網，需要自己手動下載Selective Search以及兩個pretrain的model

Selective Search庫的下載地址在selective_search資料夾下，執行sh檔案看報錯資訊能知道，然後把下載的壓縮包解壓在selective_search資料夾就好

pre-train的model在data下面，執行sh檔案看報錯資訊也能知道對應的下載地址，注意這兩個model非常大，每個有1.5G，建議迅雷下載

RCNN的demo

額不得不說ssh協議下沒法顯示影象的確是蛋疼，最終我是在windows看了看結果，之後我會改改程式碼直接在影象上畫框，而不是類似imshow這樣的機制。不多說了，看結果吧

參考文獻

Rich feature hierarchies for accurate object detection and semantic segmentation

OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks

Generic Object Detection with Dense Neural Patterns and Regionlets

Object Detection Networks on Convolutional Feature Maps

BoxSup: Exploiting Bounding Boxes to Supervise Convolutional Networks for Semantic Segmentation

AttentionNet: AggregatingWeak Directions for Accurate Object Detection

----------------------------------------------------分割線-----------------------------------------------------------

下面是我自己照的照片的識別結果

由於圖片大小限制，只能給低解析度的結果，高解析度的結果會更準確而且召回率高

（竟然把紅框裡的當冰箱了，不過score並不高，也就是0.2左右）