R-CNN

R-CNN算法实现

学习论文Rich feature hierarchies for accurate object detection and semantic segmentation，实现R-CNN算法，完成目标检测器的训练和使用

R-CNN实现由如下3部分组成：

1. 区域建议算法（SelectiveSearch）
2. 卷积网络模型（AlexNet）
3. 线性分类器（线性SVM）

区域建议算法使用OpenCV实现，进一步学习可参考zjZSTU/selectivesearch

内容列表

• 背景
• 安装
• 用法
• 主要维护人员
• 致谢
• 参与贡献方式
• 许可证

背景

R-CNN(Region-CNN)是最早实现的深度学习检测算法，其结合了选择性搜索算法和卷积神经网络。复现R-CNN算法，也有利于后续算法的研究和学习

安装

本地编译文档

需要预先安装以下工具：

$ pip install mkdocs

用法

文档浏览

有两种使用方式

1. 在线浏览文档：R-CNN

2. 本地浏览文档，实现如下：

   $ git clone https://github.com/zjZSTU/R-CNN.git
   $ cd R-CNN
   $ mkdocs serve
   

   启动本地服务器后即可登录浏览器localhost:8000

python实现

$ cd py/
$ python car_detector.py

主要维护人员

• zhujian - Initial work - zjZSTU

致谢

引用

@misc{girshick2013rich,
    title={Rich feature hierarchies for accurate object detection and semantic segmentation},
    author={Ross Girshick and Jeff Donahue and Trevor Darrell and Jitendra Malik},
    year={2013},
    eprint={1311.2524},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

@misc{pascal-voc-2007,
	author = "Everingham, M. and Van~Gool, L. and Williams, C. K. I. and Winn, J. and Zisserman, A.",
	title = "The {PASCAL} {V}isual {O}bject {C}lasses {C}hallenge 2007 {(VOC2007)} {R}esults",
	howpublished = "http://www.pascal-network.org/challenges/VOC/voc2007/workshop/index.html"}

参与贡献方式

欢迎任何人的参与！打开issue或提交合并请求。

注意:

• GIT提交，请遵守Conventional Commits规范
• 语义版本化，请遵守Semantic Versioning 2.0.0规范
• README编写，请遵守standard-readme规范

许可证

Apache License 2.0 © 2020 zjZSTU