目标检测学习记录（alexnet)

这次的任务是识别损坏的绝缘子的照片，经过对比考虑，最终采用的是基于alexnet的svm，alexnet负责目标检测，svm负责对图像进行分类。

alexnet相比较googlenet而言，在小型数据集上表现更为优越。（不过有个gg的消息，google将dropout申为专利了。。。）

matlab出了一个深度学习工具箱，所以考虑使用matlab来解决这个问题。

第一步：安装matlabR2019a

win64的补丁在这，怎么用google即可
链接：https://pan.baidu.com/s/1xjWccxi3sBKsfnAr8gOi9Q
提取码：no5b

我用的是直接解压镜像文件然后打补丁的方式，前面试了其他几种都没有成功

镜像文件在下面
链接：https://pan.baidu.com/s/12prAuqg6xIQo0PH7fyfRxA
提取码：e8uu

第二步：收集数据集并处理

老师给了我十个破损的绝缘子图片，然后我自己又找了十八个完好的绝缘子图片，然后将其处理为227 * 227 *3的图像尺寸。

处理代码为：

function [ ] = photoresize( readdir )  
% 图像批量改大小函数  
% 输入参数：readdir  需要改大小的图像所在目录(要求只有图像文件，格式无所谓) 
readdir ='D:\MATLAB\deeplearing\Date\good';
% 写入图像格式  
writetype = 'jpg';  
% 写入图像目录，直接附加在读取目录后加上"png resize"  
writedir = [readdir,' resize ',writetype];  
% 大小改变因子，有两种表示方法，比例或者尺寸  
resizefactor = [227 227];  
% resizefactor = [800 600];  
% 创建改大小之后图像目录，如果目录已经存在会报警告，但是不影响使用  
mkdir(writedir);  
% 读取目录内所有所有图像目录信息  
imnames = dir(readdir);  
% 去掉目录信息中的无用项( . .. )  

% 统计图像个数  
imcnt=length(imnames);  
% 针对每一个图像  
for imidx = 1:1:imcnt  
    % 读入图像  
    imtemp = imread(fullfile(readdir,imnames(imidx).name));  
    % 改变图像大小  
    imtemp = imresize(imtemp,resizefactor);  
    % 按照需要格式写入图像  
    imwrite(imtemp,fullfile(writedir,[imnames(imidx).name(1:end-3),writetype]));  
end  
  
end  

第三步：学习alexnet

Alex在2012年提出的alexnet网络结构模型引爆了神经网络的应用热潮，并赢得