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：
- 区域建议算法（
SelectiveSearch） - 卷积网络模型（
AlexNet） - 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
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
需要预先安装以下工具：
$ pip install mkdocs
有两种使用方式
-
在线浏览文档：R-CNN
-
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
$ cd py/
$ python car_detector.py
- zhujian - Initial work - zjZSTU
@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"}
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
Apache License 2.0 © 2020 zjZSTU
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent