机器学习 CNN：通过位置而非图像本身进行识别答案

【问题标题】：Machine Learning CNN: identifying by location rather than the image itself机器学习 CNN：通过位置而非图像本身进行识别
【发布时间】：2019-03-12 17:57:02
【问题描述】：

我有一个二进制分类问题，我需要找到某物的相对位置。我有一个非常小的个人数据集，很难找到更大的数据集。我正在尝试识别对象的位置，例如圆圈，这将产生“是”或“否”的答案。当我对自己运行我的训练样本时，我可以产生接近 100% 的准确率，但是一旦我引入测试样本，它们的得分在 30-60% 之间非常差。

但是，据我了解，CNN 将识别物体而不是物体的位置。例如，如果您正在搜索一个球体，它在哪里并不重要，只要它识别出描述球体的特征即可。

有没有一种方法可以调整我的算法来搜索位置而不是对象本身？

【问题讨论】：

标签： python machine-learning keras conv-neural-network

【解决方案1】：

是的，有几种方法可以做到这一点。一种非常简单（简单的基线）的方法是预测值的网格而不是单个数字的存在/不存在。例如，您可以创建一个标签集；将您的图像分解成一个框格，并将所有具有所需对象（圆圈）的框标记为 1，其他框标记为 0

当然有更好的方法来做到这一点；查找图像分割，掩码 RCNN https://github.com/matterport/Mask_RCNN 他们进行对象检测和分割，即。在检测到的对象周围绘制一个边界框。框的坐标会告诉您对象在图像中的相对位置

【讨论】：

非常感谢！这些信息正是我所需要的！
太棒了！你能支持我的回答吗，因为它很有用