平臺：matlab2016b網絡
matlab自帶一個cifar10Net工具可用於深度學習。ide
圖片標註
這裏使用的是matlab自帶的工具trainingImageLabeler對圖像進行roi的標註。
函數
選擇AddImages將要訓練的圖片放進去(能夠放入多張圖片)，在ROI Label區域右鍵能夠選擇改變label 的color和name，若是要訓練多個類，也能夠點擊Add ROI Label來添加label。工具
全部圖像標註完成後點擊Export ROIs後會獲得一個table（或stuct）變量，使用學習
save(‘file’，‘variable’);
命令來保存 由於cifar10Net使用的是table，若是你的數據集使用的是stuct， 這裏使用url
data=struct2table(file);
來將stuct轉化爲tablespa
imageFilename表明了圖片所存儲的位置； tire表明了圖片中標註的輪胎，用矩陣存儲，分別爲roi左上的座標(x,y)和roi的大小(width,height)；.net
RCNN訓練
咱們來查看下網絡結構code
load('rcnnStopSigns.mat','cifar10Net');
cifar10Net.Layers
會獲得如下輸出orm
ans = 15x1 Layer array with layers: 1 'imageinput' Image Input 32x32x3 images with 'zerocenter' normalization 2 'conv' Convolution 32 5x5x3 convolutions with stride [1 1] and padding [2 2] 3 'relu' ReLU ReLU 4 'maxpool' Max Pooling 3x3 max pooling with stride [2 2] and padding [0 0] 5 'conv_1' Convolution 32 5x5x32 convolutions with stride [1 1] and padding [2 2] 6 'relu_1' ReLU ReLU 7 'maxpool_1' Max Pooling 3x3 max pooling with stride [2 2] and padding [0 0] 8 'conv_2' Convolution 64 5x5x32 convolutions with stride [1 1] and padding [2 2] 9 'relu_2' ReLU ReLU 10 'maxpool_2' Max Pooling 3x3 max pooling with stride [2 2] and padding [0 0] 11 'fc' Fully Connected 64 fully connected layer 12 'relu_3' ReLU ReLU 13 'fc_1' Fully Connected 10 fully connected layer 14 'softmax' Softmax softmax 15 'classoutput' Classification Output cross-entropy with 'airplane', 'automobile', and 8 other classes
經過觀察能夠看出，一共只有三個卷積層 咱們要對這個網絡進行微調，由於我這裏只訓練了一個車輪，提供的數據中還包含有無標註的圖片，因此全鏈接層的輸出要改爲2。後面再接上一個softmax層和一個classificationLayer,而且定義訓練方式：
x=cifar10Net.Layers(1:end-3);
lastlayers = [
fullyConnectedLayer(2,'Name','fc8','WeightLearnRateFactor',1, 'BiasLearnRateFactor',1)
softmaxLayer('Name','softmax')
classificationLayer('Name','classification')
];
options = trainingOptions('sgdm', ...
'MiniBatchSize', 32, ...
'InitialLearnRate', 1e-6, ...
'MaxEpochs', 100);
RCNN的訓練主要使用trainRCNNObjectDetector.m函數
detector = trainRCNNObjectDetector（groundTruth，network，options）
groundTruth - 具備2個或更多列的表。 第一列必須包含圖像文件名。 圖像能夠是灰度或真彩色，能夠是IMREAD支持的任何格式。 其他列必須包含指定每一個圖像內對象位置的[x，y，width，height]邊框的M×4矩陣。 每列表示單個對象類，例如。 人，車，狗。 其實就是以前使用trainingImageLabeler作標註獲得的數據。
network - 即爲CNN的網絡結構
options - 即爲網絡訓練的參數。包括初始化學習率、迭代次數、BatchSize等等。
除了以上三個參數外，還有
‘PositiveOverlapRange’ - 一個雙元素向量，指定0和1之間的邊界框重疊比例範圍。與指定範圍內(即以前作圖片標註畫出的框)的邊界框重疊的區域提案被用做正訓練樣本。Default: [0.5 1]
‘NegativeOverlapRange’ - 一個雙元素向量，指定0和1之間的邊界框重疊比例範圍。與指定範圍內(即以前作圖片標註畫出的框)的邊界框重疊的區域提案被用做負訓練樣本。Default: [0.1 0.5]
在訓練以前，RCNN會從訓練圖片中獲得不少候選框，其中知足正樣本要求的會被當作訓練正樣本，而知足負樣本要求的會被當作訓練負樣本。
‘NumStrongestRegions’ - 用於生成訓練樣本的最強區域建議的最大數量(即最後獲得的候選框數量)。 下降該值以加快處理時間，以訓練準確性爲代價。 將此設置爲inf以使用全部區域提案。Default: 2000
以後對訓練完成的結果進行檢測
clear;
tic;
load myRCNN.mat;
detectedImg = imread('cars_train_croped(227_227)\08031.jpg');
[bbox, score, label] = detect(myRCNN, detectedImg, 'MiniBatchSize', 20);
imshow(detectedImg);
idx=find(score>0.1);
bbox = bbox(idx, :);
n=size(idx,1);
for i=1:n
annotation = sprintf('%s: (Confidence = %f)', label(idx(i)), score(idx(i)));
de = insertObjectAnnotation(detectedImg, 'rectangle', bbox(i,:), annotation);
end
figure
imshow(de);
toc;
參考博客：https://blog.csdn.net/qq_33801763/article/details/77185457 https://blog.csdn.net/mr_curry/article/details/53160914 https://blog.csdn.net/u014096352/article/details/72854077