使用sklearn-theano来做object detection目标检测 (OverFeat)

目前目标检测比较好的两种方法是Fast-RCNN和OverFeat。我更喜欢OverFeat，因为OverFeat完全使用CovNet来做Classification，Localization和detection，比Pip Line的方法好多了，简洁并且减少经验性的东西。最终也方便做到end-end的Training。

尝试一下如何使用OverFeat。OverFeat的代码包是sklearn-theano。

安装sklearn-theano。

一般搞图像的Python环境应该都装好了。然后按照这个说明来就可以了。
http://sklearn-theano.github.io/install.html

对于开发者是不是都应该选develop的版本？

运行一个例子

将这个简单的测试代码example-plot-multiple-localization-py保存到本地。然后运行

python example-plot-multiple-localization-py
 
 
1
 
 
1

可能会有错误，找不到net_weights.zip。因为训练好的网络比较大，没有放到安装包里，而是测试的时候去下载。下载地址可能被墙了。
需要翻墙下载net_weights.zip这个文件，然后：

mv net_weights.zip ~/sklearn_theano_data/overfeat_weights/
 
 
1
 
 
1

应该就能看到结果：

再运行一个例子：

python plot_localization_tutorial.py 

原文：http://blog.csdn.net/taneijia/article/details/46118609