算法工程师惨遭毒虫叮咬，感染了！

阿chai昨天被一个毒虫子咬了。原本只是红肿，后来变成了出“脓”了，而且是一大片。在经历了一系列检查后医生给阿chai开了很多药，内服外敷的都有，还有激素成分的药物。

阿chai在这里提醒小伙伴们，最近真的少往草和树多的地方去，秋天就算是蚊子咬人都很厉害的。既然虫子这么讨厌，那今天来个昆虫识别的demo吧，机器人得“吸取”阿chai的教训，不能被啃啊。

1.蜘蛛侠也被咬了

呃呃呃，蜘蛛侠是蜘蛛侠，阿chai是阿chai，蜘蛛侠能在绿布前表演，阿chai能电脑前码字，认真就输了。

小伙伴们，被蛇虫咬了一定要去医院，真的，别拖，去了天堂也变不成蜘蛛侠。

2.Faster-RCNN

Faster-RCNN是非常优秀的目标检测框架，是Fast RCNN的优化版本，二者主要的不同在于感兴趣区域的生成方法，Fast RCNN使用的是选择性搜索，而Faster RCNN用的是RPN网络。RPN将图像特征映射作为输入，生成一系列object proposals，每个都带有相应的分数。

a.开源demo与paper

Paper:https://www.aliyundrive.com/s/fr12aE6n46E
Caffe:https://github.com/rbgirshick/py-faster-rcnn.git
PyTorch:https://github.com/jwyang/faster-rcnn.pytorch.git
TensorFlow:https://github.com/smallcorgi/Faster-RCNN_TF.git
Keras:https://github.com/you359/Keras-FasterRCNN.git

b.工作流程

（1）输入图像到卷积网络中，生成该图像的特征映射。

（2）在特征映射上应用RPN，返回object proposals和对应的分数。

（3）应用Rol池化层，将所有proposals修正到同样尺寸。

（4）将proposals传递到完全连接层，生成目标物体的边界框。

c.工作点

卷基层：Faster RCNN使用一组基础的conv+relu+pooling层提取image的feature maps。该feature maps被共享用于后续RPN层和全连接层。
RPN：RPN用于生成region proposals。该层通过softmax判断anchors属于positive或者negative，再利用bounding box regression修正anchors获得精确的proposals。
Roi Pooling：该层收集输入的feature maps和proposals，综合这些信息后提取proposal feature maps，送入后续全连接层判定目标类别。
分类器：利用proposal feature maps计算proposal的类别，同时再次bounding box regression获得检测框最终的精确位置。

3.Faster-RCNN的昆虫检测

这里我们依托百度飞桨的PaddleX，小伙伴们也可以在AIStudio上运行。

a.环境准备

在安装好Miniconda或Anaconda后我们新建一个环境：

# 新建环境
conda create -n insect_detection python=3.7
conda activate insect_detection
# paddlepaddle 1.8.4
pip install paddlepaddle-gpu=1.8.4
# 静态图
pip install "paddlex<=2.0.0" -i https://mirror.baidu.com/pypi/simple

tar xzf insect_det.tar.gz

然后下载阿chai准备的代码、数据以及模型文件：

git clone https://github.com/zihan987/insects_detection.git

https://pan.baidu.com/s/1VuURAeh610r-gQRO8ROBxg
提取码：fp5n

insect文件解压后，fasterrcnn_model.zip为阿chai训练的模型，insect_det.tar.gz为标注好的昆虫数据。

b.训练模型

如果想自己训练，阿chai提供了训练的代码，在train.py中。我们运行即可进行测试，注意修改数据的路径。

python train.py

训练一定找一个GPU服务器，或者在AIStudio上运行。

阿chai只是训练了20个epoch，小伙伴们可以增加训练轮数。

c.测试效果

阿柴提供了训练的代码，在test.py中，我们可以运行进行测试。

python test.py

在保存的文件夹中可找到效果图片。

阿chai带你学AI