提供坪山网站建设,北京工业产品设计公司,什么网上平台可以找客源,旅游手机网站开发说明#xff1a;本系列是七月算法深度学习课程的学习笔记 文章目录1 概述2 图片识别定位3 物体监测3.1 选择性搜索3.2 R-CNN3.3 Fast R-CNN3.4 Faster R-CNN4 语义分割4.1 滑窗处理4.2全卷积神经网络5 代码1 概述
CNN主要任务包含物体识别定位、物体识别、图像分割。
图片识…说明本系列是七月算法深度学习课程的学习笔记 文章目录1 概述2 图片识别定位3 物体监测3.1 选择性搜索3.2 R-CNN3.3 Fast R-CNN3.4 Faster R-CNN4 语义分割4.1 滑窗处理4.2全卷积神经网络5 代码1 概述
CNN主要任务包含物体识别定位、物体识别、图像分割。
图片识别图片分类假设图片中是一个主要对象。 图片识别定位可以用矩形框画出图片中的物体。 物体识别实际情况中一个图片是包含多个对象的。用矩形框标出所有物体。 图像分割在物体识别的基础上检测出物体边缘。
2 图片识别定位
图片识别输入图片输出类别标签评价标准准确率 图片定位输入图片输出物体边界框(x,y,w,h)评价标准交并准则 (x,y)是左上角的点w是宽度h是高度 交并准则两个矩形交的面积/两个矩形并的面积值需要0.5才可以用
图片识别是分类问题使用交叉熵损失。 图片定位是回归类问题使用 L2 distance 欧氏距离损失函数。
图片分类问题是在知名模型上fine-tune。
在知名模型的尾部可以接在全连接层之后也可以接在全连接层之前。分类问题加一个分类头定义一个交叉熵损失函数回归类问题接一个回归头定义一个欧式距离损失函数。
思路1看做回归问题 能否对物体做进一步定位 例如定位猫的2只眼睛2只耳朵1个鼻子。上一个问题中是一个物体有4个数字。现在的问题有5个物体那就会有20个数字。预估一个长度为20的向量。这里的前提是物体的结构是相同的。遇到只有一只猫的眼睛就出错了。
进一步可以识别人的姿势。类似火柴拼成的人。每个关键是一个坐标做一个回归。论文Toshev and Szegedy,“DeepPose: Human Pose Estimation via Deep Neural Networks”, CVPR 2014
思路2图窗识别与整合 取不同大小的框 让框出现在不同的位置 对取得的内容做分类判定得分 对取得的内容做回归框判定得分 按照得分高低对结果框做抽取和合并。 克服问题参数多计算慢 1 用卷积核替换全连接层参数可复用。 感知眼。卷积层不同位置的点相当于只能看到第一层的不同区域。 这样就不用上面方法中把不同位置的图片抠出来送到神经网络做计算。 2 降低参数量 论文Sermanet et al,“ntegrated Recognition,Localization and Detection using Convolutional Networks”,ICLR2014
3 物体监测
其实不知道有多个物体
在上面的步骤中有滑窗每次滑窗做一次类别识别判断是否是一种动物也可以。 问题框的位置不同大小不同比例不同导致计算量大 解决方法1边缘策略
3.1 选择性搜索
类似于聚类基于同样的物体像素基本相同自下而上融合成区域。 将区域扩展为框。 论文Uijilings et al,“Selective Search for Object Recognition”,IJCV 2013
框的选择算法如下表。
3.2 R-CNN 步骤1输入层是图片用候选框选择算法选择大概2000个候选框对每个候选框缩放为同样的尺寸作为入参交给卷积层。
在一个知名模型上做fine-tune。根据自己的模型修改参数。例如有20个分类再加一个背景分类表示不属于任何类型。
步骤2用图框候选算法选择图框抠出图框。缩放为同样的尺寸。这一步是在CPU上计算的。
步骤3卷积层学习参数和特征
以上一步的图框作为输入用CNN做前向运算取第5个池化层做特征将特征保存到硬盘上。
步骤4做SVM分类 将上面的特征用SVM做分类。
步骤5bbox regression 将上面的特征做回归与标准答案相比。判断候选框是不是要上下左右移动。
论文Girschick et al, “Rich feature hierarchies for accurate object detection and semantic segmentation”, CVPR 2014
3.3 Fast R-CNN
1 2000个候选框过神经网络抽取特征花费时间多。 利用卷积层的透视眼实现共享图窗计算从而加速。 不再分为2000个子图而是利用卷积层的透视眼某一层卷积层的一个点是可以对应到原图的一部分区域的通过共享参数的方式减少计算量。 2 做成端对端的系统
3 不同大小的图怎么接全连接层 RIP Region of Interest Pooling方式处理 如果得到的矩阵大小是500x300但是最后想要的结果是100x100先把图片分成很多个格子使用max-pool做池化变成想要的大小。
一般来说候选框不会小于目标大小。
3.4 Faster R-CNN
Region Proposal(候选图窗)一定要另外独立做吗 候选图窗选择是在CPU上做的。
region proposal network 选择中心点为中心滑窗 3x3122111按照这样的比例选择候选图窗。 选择中心点的方法是超参数自己选择。可以是将原始图片分为几个区块以每个区块的中心作为中心。
论文Ren et al, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks”, NIPS 2015
one-stage vs two-stage faster-rnn是两段式的。第一阶段先找到候选框第二阶段判断候选框内有没有物体以及边界情况 yolo/ssd是一段式的。把原图画成不同的格子以格子中心点为中心取不同比例的框通过神经网络获得值(dx,dy,dy,dw,confidence)以及class。前面4个是微调参数confidence表示是否是物体class表示是哪种物体。
4 语义分割 语义分割是对每个像素做分类。
4.1 滑窗处理
参数多
4.2全卷积神经网络 CxHxW C是类别的数量
输入是 3xHxW输出是HxW输出每个像素的分类 HxW可能很大。 训练数据是把边框标出来。
先做下采样再做上采样。 怎么做上采样 专业名称transpose convolution。 例如一个2x2的区域步长是2那输出就是4x4每次增加1列。
例如粉色区域3步长2pad1一个格子扩为9个格子。每个格子填充3aa为系数。
例如蓝色区域2系数为b那么蓝色框线内每个单元格都为2b。两次交叉的3个方格值3a2b。
逆卷积就是这样不断还原。
5 代码
tensorFlow object detection https://github.com/tensorflow/models/tree/master/research/object_detection
可以使用TensorFlow做物体识别从install开始。
faster-rnn https://github.com/rbgirshick/py-faster-rcnn 发现物体检测那块其实写的云里雾里找了一篇博客写的不错记录下来。
最后总结一下各大算法的步骤 RCNN 1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Search) 2.每个候选框内图像块缩放至相同大小并输入到CNN内进行特征提取 3.对候选框中提取出的特征使用分类器判别是否属于一个特定类 4.对于属于某一类别的候选框用回归器进一步调整其位置
Fast R-CNN 1.在图像中确定约1000-2000个候选框 (使用选择性搜索Selective Search) 2.对整张图片输进CNN得到feature map 3.找到每个候选框在feature map上的映射patch将此patch作为每个候选框的卷积特征输入到SPP layer和之后的层 4.对候选框中提取出的特征使用分类器判别是否属于一个特定类 5.对于属于某一类别的候选框用回归器进一步调整其位置
Faster R-CNN 1.对整张图片输进CNN得到feature map 2.卷积特征输入到RPN得到候选框的特征信息 3.对候选框中提取出的特征使用分类器判别是否属于一个特定类 4.对于属于某一类别的候选框用回归器进一步调整其位置
CSDN博主「丿回到火星去」的原创文章原文链接https://blog.csdn.net/H_hei/article/details/87298097
