『cs231n』图像定位与检测（下，待续）

Posted 2020-09-27

图像检测原理

定义：

给出一张图片和几个类别，定位出图片中这些类所有的实例。

 

思路分析：回归vs分类

 

由于输出数目不定，所以不能简单的把检测任务像定位任务一样归化为回归任务（检测任务会导致回归层神经元数目是不确定的）

 

 

在机器学习中，分类和回归是解决所有问题的两种基本思路，所以我们尝试用分类的思想分析问题。

 

思路是将所有可能分类的区域送入网络

问题是图片数量太多

直观的解决思路是换个速度快的电脑... ...

实际上新电脑还是不够快... ...

 

 那就只查看一些可能的区域（预处理）

 

Region Proposals：解决分类输入的问题 

可以理解为一种不可知目标检测器，它不关心目标的具体类别，也并不精确，但是可以快速检测出大量选区。

它会寻找整体相似的结构，比如上面的狗被视为一大块白色，眼睛是个黑色小块之类。

 

Selective Search是Region Proposals的一个经典实现，其原理就是：

1. 把具有相似颜色和纹理的相邻像素进行合并，形成小区域
2. 重复的把小区域合并成大区域
3. 根据不同尺度区域的形状绘制成框 

 

这里评估了各种Region Proposals方法，老师推荐EdgeBoxes方法。

 

图像检测实现

RCNN

 

RCNN原理

RCNN整合了图像检测原理中提到的Region Proposals，用于提取特征的卷积神经网络，用于绘制框的回归头，用于分类的SVM分类器，最终实现了检测任务。

 

RCNN实践流程

训练或下载一个卷积分类模型（比如AlexNet就行）。

 

Fine-tune模型：

• 最后一层调整为适合自己的类别（分类数量+背景类别1）
• 注意这里仍然是传统的分类训练

 

 

 

 保存样本图的特征：

• 运行Region Proposals于所有待检测图上
• 将选区裁剪为CNN输入大小，使用上一步的模型进行向前传播，保存第五池化层的特征（AlexNet为例，实际就是保存第一全连接层的输入特征）

 

 

将上面的特征连同标签作为样本训练SVM分类器。