目标检测之R-CNN

RCNN，Fast RCNN，Faster RCNN

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

one_stage:YOLO,SSD,Retina-Net
two_stage:R-CNN，SPP-NET，Fast-RCNN，Faster-RCNN

RGB大神三部曲

一、R-CNN

1.思想

1.1	从输入图像中提取出 2000 个独立的候选区域
1.2	对每一个提取的候选区域进行卷积等操作，最终得到一个 固定长度 的特征向量
1.3	对每个候选区域利用 svm 进行目标分类

1.1区域提名：通过Select search方式提取2000个候选框区域，
1.2将每一个候选框缩放到固定大小上去
1.3将缩放的区域输入卷积神经网络提取特征
1.4加入全连接层
1.5SVM分类

二、Fast RCNN

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

三、Faster RCNN

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。