深度学习（十五）：Matconvnet小试fast-rcnn目标检测

该节来试验一下Matconvnet集成的fast-rcnn目标检测模型。

去Matconvnet的官网可以发现，当前最新一版的Matconvnet-1.0-beta23 集成了fast-rcnn模型，注意不是faster-rcnn模型，至于他们为什么不开发当前最新的faster-rcnn模型，可能是faster-rcnn本身也出来不是很久（不到一年），来不及集成，相信未来会集成的吧。总的来说faster-rcnn比fast-rcnn的性能提升了不少，尤其在时间上，专门做目标检测的可能会用faster-rcnn，当前的faster-rcnn版本都是基于caffe做的，原版的faster-rcnn是c++代码，linux下运行较好，当然也有matlab版本的接口，但是也是基于caffe做的。所以要想把faster-rcnn配置成功，配过caffe的同学应该都知道，不是一两下就可以完成的，当然也不难，现在基本上都有给好的配置包，也很容易。

贴上一个博友教程：

FastR-CNN / FarsterR-CNN 目标检测

ok，本节主要来试一下这个工具箱集成的fast-rcnn。用这个工具箱的好处在于，脱离了caffe框架，模型完全引用自己的函数，一键编译可用，总的来说是简单吧。

Ok首先是下载这个最新的工具箱，http://www.vlfeat.org/matconvnet/

解压编译安装，步骤去看上上上节的内容吧，基本上完全一样。
假设安装完成，编译也完成正确，（最好gpu模式），然后打开例子程序，一键fast_rcnn_demo,就完成了，简单的不能再简单了。稍等片刻，下载训练好的model（想快点，自己就在程序中找网站去官网下载，然后放到指定位置即可）。

官网目前提供三个model，两个小一点的200多兆，一个vgg400多兆。一般情况下vgg的model用笔记本跑基本上会崩（我的电脑差点崩了），所以不建议下载vgg的model，自己在程序里面把它改一下换成别的model（model名字可以在官网上找到）。vgg的model准确率更高点。
这里我先用vgg跑了一下，结果如下：

另外两个的model在这个图像上的结果相似。
换一张图片，我们将要检测的目标换成人：

opts.classes = {
     'person'} ;

如下：

总的来说还可以，就是速度慢，一张图2秒多，如果换成faster-rcnn应该只需要0点几秒。

Ok这是小试验一下这个模型，这个例子里面你还可以自己训练这个fast-rcnn，可以自行去运行fast_rcnn_train的函数吧，后面有空希望找一个自己的数据集用他来训练一把看看效果，在不追求速度的情况下可以用它来找目标，同时还可以提取特征，还是很好的。