本文主要是实现了Matlab Documentation中的一个例程
https://ww2.mathworks.cn/help/vision/ref/trainrcnnobjectdetector.html
看了很多篇有关于深度学习入门的教程，觉得一头雾水，但这个例程很容易跑通，可以让我们这些新手玩家大概知道如何训练一个神经网络，怎样准备一个数据集，整体代码大致是怎么样的，要包括哪些内容。因为我也是新手，下边的内容只是我个人的理解，若有差错，烦请大神们不吝赐教！

一、电脑环境

系统：macOS Mojave 10.14
Matlab版本：2018b（校园版license）
注意这里一定要是正版Matlab才可以安装各种数据包
CPU：Intel Core i5
显卡：Intel HD Graphics 5000

二、代码

Talk is cheap, show your the code.

load('rcnnStopSigns.mat','stopSigns','layers');imDir = fullfile(matlabroot, 'toolbox', 'vision', 'visiondata',...
'stopSignImages');
addpath(imDir);options = trainingOptions('sgdm', ...
'MiniBatchSize', 32, ...
'InitialLearnRate', 1e-6, ...
'MaxEpochs', 10);
rcnn = trainRCNNObjectDetector(stopSigns, layers, options,...
'NegativeOverlapRange', [0 0.3]);
img = imread('stopSignTest.jpg');
[bbox, score, label] = detect(rcnn, img, 'MiniBatchSize', 32);
[score, idx] = max(score);
bbox = bbox(idx, :);
annotation = sprintf('%s: (Confidence = %f)', label(idx), score);
detectedImg = insertObjectAnnotation(img, 'rectangle', bbox, annotation);
figure;
imshow(detectedImg);

这里由于是例程，所以在我们安装完Computer Vision Toolbox和Deep Learning Toolbox后，在matlab安装路径下，mac系统下应该是
/Applications/MATLAB_R2018b.app/toolbox/vision/visiondata/stopSignImages
在这个文件夹下，matlab已经帮我们把训练集给准备好了。下面逐行代码进行说明。

load('rcnnStopSigns.mat','stopSigns','layers');

这里是将我们要用到的数据加载到工作区之中，由于rcnnStopSigns.mat中有很多数据，我们只需要用到stopSigns和layers这两个。stopSigns之后会被我们用来当作traingData，也就是训练所使用的数据集，layers是RCNN神经网络的层级结构。
这时候，工作区会出现这两个 数据。

所有Matlab图片的训练集的变量都是一个N2的table，N是你训练集里照片的张数（这就是Matlab深度学习训练集的格式么？是不是都是这样？）*。然后第一列，imageFilename是你训练集中，每张图片的路径及名字；第二列stopSign是标记了在这张图中，你要进行训练和识别的位置在哪，我们管这个位置叫ROI（Region of interest）,四个数值表示了ROI区域（是个矩形框）的四个顶点的位置。
如果我们要自己做一个训练集，可以使用Image Labeler这个工具，就在Matlab的App中，也非常方便，我们下篇笔记再详细说。

imDir = fullfile(matlabroot, 'toolbox', 'vision', 'visiondata',...
'stopSignImages');
addpath(imDir);

把/Applications/MATLAB_R2018b.app/toolbox/vision/visiondata/stopSignImages（就是那个训练集的图片的路径）赋给imDIr（image direction）这个变量，我们就可以看到工作区中多了一个名为imDir的char型变量。
addpath命令就是把后面的文件（夹）添加到matlab 的工作路径中，再次打开时，matlab就可自动打开文件夹中的文件，不再出提示。（打开一个不在matlab工作路径上的文件，matlab会弹出提示。而如果文件在它的工作路径上，matlab就直接打开那个文件，不会弹出提示。用addpath把文件加入它的工作路径后，就不会弹出提示。）

options = trainingOptions('sgdm', ...
'MiniBatchSize', 32, ...
'InitialLearnRate', 1e-6, ...
'MaxEpochs', 10);
rcnn = trainRCNNObjectDetector(stopSigns, layers, options,...
'NegativeOverlapRange', [0 0.3]);

这里的参数设置我现在也不怎么懂…需要了解一些机器学习的基本概念，可以参考一下下边这个网页：https://www.jianshu.com/p/e5076a56946c
然后开始训练RCNN神经网络，这个过程需要一些时间。训练过程如下。
训练结束后，我们会得到一个叫rcnn的变量，类型为rcnnObjectDetector，接下来，我们就可以用它来进行图像识别。

img = imread('stopSignTest.jpg');
[bbox, score, label] = detect(rcnn, img, 'MiniBatchSize', 32);
[score, idx] = max(score);
bbox = bbox(idx, :);
annotation = sprintf('%s: (Confidence = %f)', label(idx), score);
detectedImg = insertObjectAnnotation(img, 'rectangle', bbox, annotation);
figure;
imshow(detectedImg);

下图是训练结果，“stopSignTest.jpg”是Matlab自带的测试图片，也保存在上述的/vision/visiondata那个文件夹下。我们可以看到他很成功的把STOP路标识别了出来。

下边我们用自己在网上找的几张图片，测试一下我们训练的神经网络的性能。

这里不知道为什么，他的框画得很小。



由上边几张图我们可以看出，RCNN的训练结果还是不错的，基本都正确的将STOP路边识别了出来。
这篇笔记就到此结束了，我也还有很多不懂的地方。如果大家对这部分内容有什么疑问的话，希望可以一起讨论交流！欢迎留言评论！！下篇笔记将讲述如何自己创造一个训练集，训练神经网络识别自己想识别的东西。