Versuchen, das ImageNet-Modell mit Region CNN (R-CNN) zu trainieren

Question

Nach mehreren Monaten Arbeit mit caffe konnte ich meine eigenen Modelle erfolgreich trainieren. Zum Beispiel konnte ich ImageNet mit 1000 Klassen weiter als meine eigenen Modelle trainieren.

In meinem Projekt versuche ich jetzt, die Region meiner Interessenklasse zu extrahieren. Danach habe ich die Demo von Fast R-CNN kompiliert und ausgeführt und es funktioniert ok, aber die Beispielmodelle enthalten nur 20 Klassen und ich hätte gerne mehr Klassen, zum Beispiel alle.

Ich habe bereits die bounding boxes von ImageNet heruntergeladen, mit den echten Bildern.

Jetzt bin ich leer, ich kann die nächsten Schritte nicht herausfinden und es gibt keine Dokumentation, wie es geht. Das einzige, was ich gefunden habe, ist, wie man das INRIA-Personenmodell trainiert, und sie liefern Dataset + Annotationen + Python-Skript.

Meine Fragen sind:

• Gibt es vielleicht eine Anleitung oder Anleitung, die ich verpasst habe?
• Gibt es bereits ein Modell, das mit 1000 Klassen trainiert wurde, um Bilder zu klassifizieren und die Bounding Boxes zu extrahieren?

Vielen Dank im Voraus.

Grüße.

Rafael.

Answer 1

Dr Ross Girshik hat eine Menge Arbeit an der Objekterkennung geleistet. Sie können eine Menge von seinem detaillierten Git auf fast RCNN lernen: Sie sollten in der Lage sein, einen Caffe-Zweig dort mit einer Demo zu finden. Ich habe es nicht selbst benutzt, aber es scheint sehr verständlich zu sein.

Eine andere Richtung, die Sie vielleicht interessant finden, ist LSDA: Verwenden der schwachen Überwachung, um Objekterkennung für viele Klassen zu trainieren.

BTW, haben Sie in faster-rcnn gesucht?