Keras 中用于图像分类的 CNN 类型是什么？

Question

我有一个 CNN 架构，我训练它识别一些我最终需要实时使用的对象，然后使用检测到的对象的输出进行进一步的工作。我有两个关于此的问题需要回答，以评估我需要采取的下一步行动：

1. 随着对CNN的研究越来越多，我发现有不同类型的CNN，比如faster CNN。所以我想知道 Keras 在使用它的 conv2d 函数时使用的是什么类型的架构（我将在下面提供我的 CNN 架构的代码）

2. 生成的模型帮助我识别我正在寻找的对象是否在图像中，但我也在寻找图像中的预测区域。是否可以使用相同的架构，还是我需要使用 YOLO 之类的其他东西？

---

classifier = Sequential()

classifier.add(Conv2D(32, (3, 3), input_shape= (128, 128, 3), activation = 'relu' ))

classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(64, (3, 3), activation = 'relu' ))
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Conv2D(128, (3, 3), activation = 'relu' ))
classifier.add(MaxPooling2D(pool_size = (2, 2)))

classifier.add(Flatten())

classifier.add(Dense(units = 128, activation = 'relu'))
classifier.add(Dense(units = 1, activation = 'sigmoid'))

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics = ['accuracy'])

编辑：更具体地说，我想知道 tensorflow 或任何后端 keras 是否提供了基础 CNN，我们定义架构的方式是定义我们使用的 CNN 类型，例如区域 CNN，快速CNN 还是更快的 CNN？还是在不同级别定义的东西？

我希望我说清楚了。

Answer 1

关于您的第一个问题：Keras “只是”一个通用 API，可用于不同的后端，即 TensorFlow、Theano 或 CNTK。

Keras 在layers.convolutional 中定义了多个不同的卷积层，它们都是documented here。由于您使用 TensorFlow 作为后端，您可以查看 backend.tensorflow_backend 以了解 Keras 使用了哪些 TensorFlow 层。

但是，请注意，R-CNN、Fast R-CNN 等不是特殊类型的卷积层，而是 CNN 架构（就像 YOLO 一样）。您可以在this blog post 中找到有关通用架构的更多信息。你可以找到 R-CNN 的 Keras 实现on GitHub。

关于您的第二个问题：您的模型仅用作对象检测器。要识别对象放置在图像中的何处，您确实需要不同的架构。此外，您的训练数据将需要提供对象位置。