Могу ли я избежать аннотирования моего набора данных для распознавания объектов?

Question

Я работал над классификацией изображений с моделями глубокого обучения (CNN с кератами и тензорным потоком в качестве внутреннего интерфейса), такими как AlexNet и ResNet.Я многое узнал обо всем наборе данных, процессах обучения, тестирования.

Сейчас я перехожу к обнаружению объектов и провел много исследований.Я сталкивался с R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN и различными версиями сетей YOLO.Я заметил, что эти сети обнаружения объектов требуют аннотации набора данных вместо прежних, просто нуждающихся в том, чтобы обрезанные изображения сохранялись в соответствующих файлах.Есть ли способ выполнить обнаружение объекта без аннотирования набора данных?

Answer 1

Deep Learning является частью более широкого семейства методов машинного обучения, основанных на искусственных нейронных сетях. Обучение может осуществляться под наблюдением, под наблюдением или без присмотра . Чтобы получить достойный результат, вы должны тренировать свою модель, используя аннотированный набор данных. В противном случае DL без обучения, почему бы его называть Deep Learning?

Если вы хотите избежать аннотации данных, вам нужна техника Traditional Computer Vision . Это может варьироваться в зависимости от ваших потребностей.

Например, если вы хотите обнаружить простой объект, вы можете извлечь его, используя Simple Blob Detector .
Или, если вы хотите обнаружить идентичный объект, вы можете использовать метод сравнения изображений, такой как Сопоставление шаблонов или Сопоставление объектов с использованием SURF

Answer 2

Нет, не совсем, глубокое обучение не волшебство, вам нужны ограничительные аннотации.Область исследований, которая занимается этой проблемой: Обнаружение слабо контролируемых объектов , и в этой области исследований нет решений, которые бы работали так же хорошо, как использование аннотированного набора данных.