maskRCNN、RCNN代码含数据

# RCNN Rich feature hierarchies for accurate object detection and semantic segmentation # 工程内容 这个程序是基于tensorflow的tflearn库实现部分RCNN功能。 # 开发环境 windows10 + python3.5 + tensorflow1.2 + tflearn + cv2 + scikit-learn # 数据集 采用17flowers据集, 官网下载：http://www.robots.ox.ac.uk/~vgg/data/flowers/17/ # 程序说明 1、setup.py---初始化路径 2、config.py---配置 3、tools.py---进度条和显示带框图像工具 4、train_alexnet.py---大数据集预训练Alexnet网络，140个epoch左右，bitch_size为64 5、preprocessing_RCNN.py---图像的处理（选择性搜索、数据存取等） 6、selectivesearch.py---选择性搜索源码 7、fine_tune_RCNN.py---小数据集微调Alexnet 8、RCNN_output.py---训练SVM并测试RCNN（测试的时候测试图片选择第7、16类中没有参与训练的，单朵的花效果好，因为训练用的都是单朵的） # 文件说明 1、train_list.txt---预训练数据，数据在17flowers文件夹中 2、fine_tune_list.txt---微调数据2flowers文件夹中 3、1.png---直接用选择性搜索的区域划分  4、test/2.png---通过RCNN后的区域划分  # 程序问题 1、由于数据集小的原因，在微调时候并没有像论文一样按一个bitch32个正样本，128个负样本输入，感觉正样本过少； 2、还没有懂最后是怎么给区域打分的，所以没有NMS，待续；   3、对选择的区域是直接进行缩放的； 4、由于数据集合论文采用不一样，但是微调和训练SVM时采用的IOU阈值一样，有待调参。 # 参考 1、论文参考： https://www.computer.org/csdl/proceedings/cvpr/2014/5118/00/5118a580-abs.html 2、代码参考： http://www.cnblogs.com/edwardbi/p/5647522.html https://github.com/edwardbi/DeepLearningModels/tree/master/RCNN     3、博客参考： http://blog.csdn.net/u011534057/article/details/51218218 http://blog.csdn.net/u011534057/article/details/51218250