尝试使用Region CNN(R-CNN)训练ImageNet模型

Question

在与caffe合作几个月后,我已经成功地训练了自己的模型.例如,比我自己的模型更进一步,我已经能够训练ImageNet 1000个类.

在我的项目中,我正在尝试提取我兴趣班的区域.之后我编译并运行了快速R-CNN的演示,它运行正常,但样本模型只包含20个类,我希望有更多的类,例如所有类.

我已经用真实图像下载了ImageNet 的边界框.

现在,我已经空白了,我无法弄清楚接下来的步骤,也没有关于如何做到这一点的文档.我唯一发现的是如何训练INRIA人模型,他们提供数据集+注释+ python脚本.

我的问题是:

• 是否有任何我错过的教程或指南？
• 是否已经有一个训练有1000个类的模型能够对图像进行分类并提取边界框？

非常感谢你提前.

问候.

拉斐尔.

Answer 1

Ross Girshik 博士在物体检测方面做了大量工作。你可以从他在fast RCNN上的详细 git 中学到很多东西：你应该能够在那里找到一个带有演示的 caffe 分支。我自己没有使用过，但是看起来很容易理解。

您可能会感兴趣的另一个方向是LSDA：使用弱监督来训练许多类别的对象检测。

顺便说一句，你研究过fast-rcnn吗？