我想训练一个卷积神经网络来检测图像中手的存在。
困难在于：1/ 图像将包含除手以外的其他对象，就像一组人的照片，其中手只是图像的一小部分 2/ 手可以有许多方向/形状等（无论它们是否是否打开，取决于角度等。）
我正在考虑在一大组裁剪的手部图像（+ 没有手部的随机图像）上训练卷积网络，然后将分类器应用于我图像的所有子方块。这是一个好方法吗？
还有其他复杂的 2 类 convnets / RNNs 的例子我可以用来作为灵感吗？
谢谢！
问问题
199 次
2 回答
1
这似乎更像是寻找良好标记的训练数据而不是选择网络的问题。神经网络可以学习“手的图片”和“偶然包含手的图片”之间的区别，但它需要一些标记的示例来确定图像属于哪个类别。
你可能想看看这个： http: //www.socher.org/index.php/Main/ParsingNaturalScenesAndNaturalLanguageWithRecursiveNeuralNetworks
于 2015-04-24T01:02:20.677 回答
1
我正在考虑在一大组裁剪的手部图像（+ 没有手部的随机图像）上训练卷积网络，然后将分类器应用于我图像的所有子方块。这是一个好方法吗？
是的，我相信这将是一个好方法。但是，请注意，当您说随机时，您也许应该从“最有可能出现手”的图像中对其进行采样。这实际上取决于您的用例，您必须调整数据集以适应您正在做的事情。
您应该如何构建数据集，如下所示：
- 从大图像中裁剪手的图像。
- 从同一张图像中采样 X 个图像，但不在手/手附近的任何地方。
但是，如果您应该选择执行以下操作：
- 从大图像中裁剪手的图像。
- 下载 100 万张绝对没有手的图片（有点夸张）。例如，沙漠、海洋、天空、洞穴、山脉，基本上是很多风景。然后将其用作“没有手的随机图像”，您可能会得到不好的结果。
这样做的原因是因为已经有一个基础分布。我假设您的大多数图像可能是一群朋友的照片，在家里开派对，或者背景图像可能是建筑物。因此，在保持上述假设的同时，引入风景图像可能会破坏这种分布。
因此，使用“随机图像”时要非常小心！
在我图像的所有子方格上
至于您问题的这一部分，您实际上是在整个图像上运行一个滑动窗口。是的，实际上，它会起作用。但是，如果您正在寻找性能，这可能不是一个好主意。您可能需要运行一些分割算法来缩小搜索空间。
还有其他复杂的 2 类 convnets / RNNs 的例子我可以用来作为灵感吗？
我不确定你所说的复杂的 2 类 convnet 是什么意思。我不熟悉 RNN，所以让我专注于 convnet。你基本上可以自己定义卷积网络。例如，卷积层的大小、层数、最大池化方法是什么、全连接层有多大等等。最后一层基本上是一个 softmax 层，网络决定了它要去哪个类是。如果您有 2 个类，则最后一层有 2 个节点。如果你有 3 个，那么 3 个。依此类推。所以它的范围可以从 2 到甚至 1000。我没有听说过有超过 1000 个类的卷积网络，但我可能不了解情况。我希望这有帮助！
于 2016-01-15T13:36:21.483 回答