Keras深度学习实战（14）——从零开始实现R-CNN目标检测_keras深度学习从入门到项目实战

0. 前言

R-CNN (Regions with CNN features)，是 R-CNN 系列目标检测算法的初代模型，其将“深度学习”和传统的“计算机视觉”的相结合，基于候选区域 (Region proposal) 检测目标对象。
在《目标检测基础》中，我们已经了解了候选区域的概念如何从图像中生成候选区域。在本节中，我们将利用候选区域来完成图像中目标对象的检测和定位。

1. R-CNN 目标检测模型

1.1 数据集分析

为了训练模型，我们下载并使用数据集 VOCtrainval_11-May-2012.tar，其中包含了图像中的对象以及对象相应的边界框，是目标检测中常用的数据集之一。
我们首先分析数据集的相关信息，以更好的构建神经网络模型，以如下图像以及图像中相应的边界框坐标和对象类别为例：

对象的类别标签和边界框坐标在