Машинное обучение CNN: идентификация по местоположению, а не по самому изображению

Question

У меня есть проблема бинарной классификации, когда мне нужно найти относительное местоположение чего-либо. У меня очень маленький личный набор данных, и трудно найти больший. Я пытаюсь определить местоположение объектов, таких как круг, который даст ответ «да» или «нет». Когда я проверяю свои образцы поездов против себя, я могу достичь почти 100% точности, но как только я представлю тестовые образцы, они получат очень низкие оценки в диапазоне 30-60%.

Однако, насколько я понимаю, CNN будут идентифицировать объекты, а не их местоположение. Например, если вы ищете сферу, не имеет значения, где она находится, если только она определяет признаки, которые описывают сферу.

Есть ли способ настроить алгоритм поиска местоположения, а не сам объект?

Answer 1

Да, есть несколько способов сделать это.Очень простым (наивным базовым) способом будет предсказать сетку значений, а не наличие / отсутствие одного числа.Вы можете, например, создать помеченный набор;разбить ваши изображения на сетку из блоков и пометить все поля, в которых есть желаемый объект (круг), с 1 и другими прямоугольниками, чтобы они были 0

. Конечно, есть гораздо лучший способ сделать это;посмотреть сегментацию изображения, маску RCNN https://github.com/matterport/Mask_RCNN Они выполняют обнаружение объектов, а также сегментацию, т.е.нарисуйте ограничивающую рамку вокруг обнаруженного объекта.Координаты поля скажут вам, где находится ваш объект относительно изображения