使用哪种深度学习模型来捕获图像中的次要特征？答案

【问题标题】：Which deep learning model to use for capturing minor features in a image?使用哪种深度学习模型来捕获图像中的次要特征？
【发布时间】：2019-01-23 06:38:40
【问题描述】：

对于在这种实际学习像素到像素值的情况下使用哪种模型，我有点困惑。

任何想法都会很明显。谢谢！！

我已经尝试过Inception、Resnet等模型。

使用较少量的训练数据（每个类大约 300-400 个）我们可以达到良好的召回率/精度/F1 分数。

【问题讨论】：

【解决方案1】：

由于数据集较小，您可能想研究迁移学习，您可以做的是使用迁移的 ResNet 模型作为特征提取器，并在其上尝试 YOLO（您只看一次）算法，查看每个window(Look Sliding window implementation using ConvNets) 获取皮带扣，并据此对图像进行分类。

根据我对您的数据集的理解，要执行上述方法，您需要根据 YOLO 算法的要求重新注释您的数据集。

编辑如果您有 XML 注释数据集并且需要将其转换为 csv 以遵循上述示例，请使用 https://github.com/datitran/raccoon_dataset

建模愉快。

【讨论】：

嘿，他们有什么方法可以使用训练 yolov3 时生成的 xml 文件来训练模型。
Pandas 可以读取 XML，但您到底在寻找什么，您的评论有点不清楚@GauravGola？
我为 yolo 模型准备了 xml 文件。我可以使用相同的 xml 文件来训练 resnet yolo 吗？
如果你已经为 yolo 注释了它，那么是的，你可以将它用于 resnet YOLO，在我提供的链接中，他们正在使用为 YOLO 注释的数据集并在那里训练了 Resnet YOLO 模型它。
据我对 repo 的理解，他们没有给出任何直接从 xml 文件训练模型的方法，因为我的 yolo 是这样的：flow --model cfg/tiny-yolo-voc-3c .cfg --load bin/tiny-yolo-voc.weights --train --annotation train/Annotations --dataset train/Images