前言

Okay……最近事情比較多，博客也發(fā)的少，所以決定搞一次大新聞。本此的博客詳細(xì)記錄了我使用Matlab進(jìn)行車輛區(qū)域檢測(cè)（R-CNN）與車型識(shí)別（AlexNet）的過程。并且內(nèi)包含了訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集以及源碼。?
訓(xùn)練數(shù)據(jù)集是使用的斯坦福大學(xué)的一個(gè)車型數(shù)據(jù)庫，內(nèi)含196種不同的車型。寫到這里我真的很想吐槽一下這個(gè)數(shù)據(jù)庫里面的奧迪車系：很多黑白的圖片啊喂?。?！ 做訓(xùn)練的時(shí)候AlexNet數(shù)據(jù)輸入維度是3啊喂！?。『Φ奈易约赫伊撕芏鄨D片?。。。　?

環(huán)境

測(cè)試環(huán)境：?
硬件：?
Intel i5-4590?
GTX 980?
軟件：?
Matlab R2016b（只有這個(gè)版本才實(shí)現(xiàn)了RCNN…）

數(shù)據(jù)集的下載

嗯。一上來就發(fā)福利：?
原始數(shù)據(jù)集，內(nèi)含train/test：http://pan.baidu.com/s/1miTn9jy?
我規(guī)整后的數(shù)據(jù)集，將圖片變換為227*227，并且對(duì)少量黑白圖片進(jìn)行了替換：http://pan.baidu.com/s/1pKIbQiB?
接下來的這個(gè)是每一張圖片所對(duì)應(yīng)的車型標(biāo)注文件：http://pan.baidu.com/s/1nuOR7PR

在Matlab中下載AlexNet

AlexNet是2012年ImageNet大賽的冠軍。它一共有8層，其中了5個(gè)卷積層，2層全連接和一層分類，如果使用其對(duì)一張圖片進(jìn)行前向傳播，那么最后輸出的這張圖片屬于1000種物體中哪一個(gè)的概率。?
我這里對(duì)AlexNet在Matlab中進(jìn)行了定義，這是我的代碼和網(wǎng)絡(luò)結(jié)構(gòu)：

clear clc doTraining = true; % 是否進(jìn)行訓(xùn)練 % 解壓數(shù)據(jù) % data = load('./data/carDatasetGroundTruth.mat'); % vehicleDataset = data.carDataset; % table型，包含文件路徑和groundTruth data = load('./data/vehicleDatasetGroundTruth.mat'); vehicleDataset = data.vehicleDataset; % table型，包含文件路徑和groundTruth % 添加絕對(duì)路徑至vehicleDataset中 vehicleDataset.imageFilename = fullfile([pwd, '/data/'],vehicleDataset.imageFilename); % 顯示數(shù)據(jù)集中的一個(gè)圖像，以了解它包含的圖像的類型。 vehicleDataset(1:4,:) % 顯示部分?jǐn)?shù)據(jù)情況 % 將數(shù)據(jù)集分成兩部分：一個(gè)是用于訓(xùn)練檢測(cè)器的訓(xùn)練集，一個(gè)是用于評(píng)估檢測(cè)器的測(cè)試集。 % 選擇 70% 的數(shù)據(jù)進(jìn)行訓(xùn)練，其余數(shù)據(jù)用于評(píng)估。 rng(0); % 控制隨機(jī)數(shù)生成 shuffledIndices = randperm(height(vehicleDataset)); idx = floor(0.7 * length(shuffledIndices) ); trainingDataTbl = vehicleDataset(shuffledIndices(1:idx),:); testDataTbl = vehicleDataset(shuffledIndices(idx+1:end),:); % 保存數(shù)據(jù)和標(biāo)簽 imdsTrain = imageDatastore(trainingDataTbl{:,'imageFilename'}); % 路徑 bldsTrain = boxLabelDatastore(trainingDataTbl(:,'vehicle')); % 真實(shí)框和類別 imdsTest = imageDatastore(testDataTbl{:,'imageFilename'}); bldsTest = boxLabelDatastore(testDataTbl(:,'vehicle')); % 整理訓(xùn)練測(cè)試集 trainingData = combine(imdsTrain,bldsTrain); % 聯(lián)合文件路徑和真實(shí)框 testData = combine(imdsTest,bldsTest); % 顯示數(shù)據(jù) data = read(trainingData); % data包括圖片數(shù)據(jù)、真實(shí)框坐標(biāo)、類別 I = data{1}; bbox = data{2}; annotatedImage = insertShape(I,'Rectangle',bbox); % 在數(shù)據(jù)矩陣中標(biāo)出真實(shí)框 annotatedImage = imresize(annotatedImage,2); figure imshow(annotatedImage) % 顯示圖像 % 創(chuàng)建yolo網(wǎng)絡(luò) inputSize = [224 224 3]; numClasses = width(vehicleDataset)-1; % 通過table的列數(shù)計(jì)算類別數(shù) % 用于評(píng)估錨框個(gè)數(shù) trainingDataForEstimation = transform(trainingData,@(data)preprocessData(data,inputSize)); numAnchors = 7; [anchorBoxes, meanIoU] = estimateAnchorBoxes(trainingDataForEstimation, numAnchors) % 特征提取層采用resnet50 featureExtractionNetwork = resnet50; featureLayer = 'activation_40_relu'; % 設(shè)置yolo網(wǎng)絡(luò) lgraph = yolov2Layers(inputSize,numClasses,anchorBoxes,featureExtractionNetwork,featureLayer); % 進(jìn)行數(shù)據(jù)增強(qiáng) augmentedTrainingData = transform(trainingData,@augmentData); % 可視化增強(qiáng)后的圖片 augmentedData = cell(4,1); for k = 1:4 ? ?data = read(augmentedTrainingData); ? ?augmentedData{k} = insertShape(data{1},'Rectangle',data{2}); ? ?reset(augmentedTrainingData); end figure montage(augmentedData,'BorderSize',10) % 對(duì)增強(qiáng)數(shù)據(jù)進(jìn)行預(yù)處理 preprocessedTrainingData = transform(augmentedTrainingData,@(data)preprocessData(data,inputSize)); data = read(preprocessedTrainingData); % 顯示一下 I = data{1}; bbox = data{2}; annotatedImage = insertShape(I,'Rectangle',bbox); annotatedImage = imresize(annotatedImage,2); figure imshow(annotatedImage) % 訓(xùn)練參數(shù) options = trainingOptions('sgdm', ... ? ? ? ?'MiniBatchSize', 16, .... ? ? ? ?'InitialLearnRate',1e-3, ... ? ? ? ?'MaxEpochs',20,... ? ? ? ?'CheckpointPath', tempdir, ... ? ? ? ?'Shuffle','never'); ? ? if doTraining ? ? ? ? ?% 訓(xùn)練YOLOv2檢測(cè)器 ? ?[detector,info] = trainYOLOv2ObjectDetector(preprocessedTrainingData,lgraph,options); else ? ?% 載入預(yù)訓(xùn)練模型 ? ?pretrained = load('yolov2_mytrain.mat'); ? ?detector = pretrained.detector; end % 測(cè)試訓(xùn)練好的模型并顯示 I = imread(testDataTbl.imageFilename{4}); I = imresize(I,inputSize(1:2)); [bboxes,scores] = detect(detector,I); I = insertObjectAnnotation(I,'rectangle',bboxes,scores); figure imshow(I) % 預(yù)處理測(cè)試集 preprocessedTestData = transform(testData,@(data)preprocessData(data,inputSize)); % 對(duì)測(cè)試集數(shù)據(jù)進(jìn)行測(cè)試 detectionResults = detect(detector, preprocessedTestData); % 評(píng)估準(zhǔn)確率 [ap,recall,precision] = evaluateDetectionPrecision(detectionResults, preprocessedTestData); figure plot(recall,precision) xlabel('Recall') ylabel('Precision') grid on title(sprintf('Average Precision = %.2f',ap))

?