RCNN,FastRCNN,Faster RCNN 簡介

 底下簡介個人讀RCNN 系列 目標檢測的個人心得筆記：

<影片>

深度學習(7)--使用Tensorflow實現類VGG model 訓練Cifar10數據集

    繼上一篇我們使用Alexnet 模型來訓練Cifar10數據集，這次我們改用VGG16 模型來做訓練及預測。Cifar10的數據集可以從以下網址下載：
https://www.cs.toronto.edu/~kriz/cifar.html

     從本質上來看，VGGNet 是在更細的粒度上實現的AlexNet，他廣泛的使用非常小的卷積核架構去實現更深層次的卷積網路神經網路。在一定的程度上證實了，增加卷積神經網路的深度，增加更多的隱藏層和權重可以實現對識別的明顯改進。

    從VGGNet的結構上來說，與AlexNet並沒有太大的區別，只不過增加了更多隱藏層，VGG的參數較多調整範圍大，而最終生成的模型參數是AlexNet的3倍左右，VGGNet的模型圖如下圖所示：


<picture 1> VGGNet的模型圖 ， citation: htpps://arxiv.org/pdf/1409.1556.pdf

深度學習(6)--使用Tensorflow實現類AlexNet model 訓練Cifar10數據集

    繼上一篇我們使用Alexnet 模型來訓練MNIST 數據集，這次我們改用Cifar10數據集來做訓練及預測。Cifar10的數據集可以從以下網址下載：
https://www.cs.toronto.edu/~kriz/cifar.html

它總共包含60000張32x32 RGB彩色的圖案，前五個檔案各有10000張圖檔為訓練數據集，最後10000張為測試用數據集。該數據集分成10個類別，以數字編號0-9分別是

airplane        
automobile   
bird              
cat                
deer              
dog               
frog              
horse            
ship              
truck            

      首先，照慣例我會先練習如何讀進Cifar10數據集從原始的二位元檔案至Numpy的矩陣格式，以便後續處理，這樣也可以用matplotlib套件秀出原圖，這樣做的意義是，就像之前所做的手寫數字辨識練習，可以加入自行創建或收集的圖片再進行預測或訓練，就不會只限於原始的數據集。也就是說如果懂得如何將圖片轉成Numpy的矩陣格式，那麼我就可以使用這個圖片做訓練或預測。例如常見的OpenCV套件不僅可以做到將圖片轉成Numpy矩陣格式,並且可以做很多的效果預處理，如裁減、灰化、調整對比或大小等等。

     在Cifar10的數據集裡每一Row 包含的第一個byte為類別標籤，接下來的1024,1024,1024共3072(32x32x3)byte分別代表該圖R,G,B的數據。

     底下一範例程式，便是可以將原始的Cifar10二進位檔讀出，轉成Numpy矩陣資料格式後，
再用Matplotlib套件，便可還原出原始圖檔：
https://github.com/Ashing00/Cifar10/blob/master/read_cifar.py

效果如下圖所示，上面的數字為其對應的類別標籤。