深度學(xué)習(xí)（主要是CNN）用于圖片的分類和檢測(cè)總結(jié)

2014-12-4閱讀920 評(píng)論0

前言： 主要總結(jié)一下自己最近看文章和代碼的心得。

1. CNN用于分類：具體的過(guò)程大家都知道，無(wú)非是卷積，下采樣，激活函數(shù)，全連接等。CNN用于分類要求它的輸入圖片的大小是固定的（其實(shí)不單單是CNN，很多其它的方法也是這樣的），這是它的一個(gè)不足之處之一。目前的大部分CNN都是用來(lái)做分類比較多。

2. CNN用于檢測(cè)：主要的方法有兩種，細(xì)分一下有三種，

第一種最為簡(jiǎn)單和暴力的，通過(guò)滑動(dòng)窗口的方法，提取一個(gè)固定大小的圖像patch輸入到CNN網(wǎng)絡(luò)中，得到該patch的一個(gè)類別，這樣得到一個(gè)圖片密集的類別得分圖。顯然，這種方法的一個(gè)弊端就是運(yùn)算量太大，如果圖片的分辨率比較的大，就根本無(wú)法進(jìn)行下去，更何況，這還是在沒(méi)有考慮圖片多尺度檢測(cè)的情況。

第二種方法，在第一種方法的基礎(chǔ)之上，采用了動(dòng)態(tài)規(guī)劃的思想，避免了重復(fù)計(jì)算問(wèn)題。對(duì)于CNN來(lái)說(shuō)，直到第一個(gè)全連接層之前，它的輸入圖片大小是可以不固定的，但是有了全連接層之后，就要求輸入大小保持一致，第二種方法是先把任意大小的圖片進(jìn)行輸入CNN直到第一個(gè)全連接層，然后再在它的基礎(chǔ)上進(jìn)行固定大小的滑動(dòng)窗口輸入到全連接層中，由于第一個(gè)全連接層之前進(jìn)行了大量的下采樣操作，所以這時(shí)候的滑動(dòng)窗口的數(shù)目就大大的減少了，而且前面的卷積操作就要計(jì)算一次，沒(méi)有重復(fù)計(jì)算的問(wèn)題。CNN里面有一個(gè)trick就是把訓(xùn)練好了的用于分類的網(wǎng)絡(luò)，把它的全連接層參數(shù)轉(zhuǎn)化為卷積層參數(shù)。這樣改造后的CNN就成了全卷積CNN，它的輸入是可以任意的，而它的輸出是patch 的類別得分。這個(gè)在Caffe里面有一個(gè)例子說(shuō)明怎么轉(zhuǎn)換。網(wǎng)址在這里：http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb

第三種方法，跟前兩種不同的是，它不是采用滑動(dòng)窗口的方法，而是采用提取子窗口的方法，這種方法最典型的是今年的CVPR2014的R-CNN方法，它先采用一個(gè)方法來(lái)進(jìn)行生成1000-2000左右的窗口區(qū)域（類似于目標(biāo)顯著性檢測(cè)，但又不同，英文的說(shuō)法叫Objectness，不好翻譯），然后再把這些窗口歸一化到相同的大小放到CNN里面去做分類。（當(dāng)然RCNN的方法只是用訓(xùn)練好了的CNN進(jìn)行提特征，它還需要進(jìn)行對(duì)每一個(gè)類別進(jìn)行訓(xùn)練SVM分類器）。顯然這種方法的優(yōu)點(diǎn)的是比前兩種快，因?yàn)榉诸惖拇翱谏?#xff0c;但是它也有不足就是，它要保證要檢測(cè)的目標(biāo)在這些1000-2000個(gè)提取的窗口中的概率要足夠的高，也就是要有比較高的召回率。再者，它要保證這1000-2000個(gè)窗口的提取要足夠的快，（在R-CNN中，由于它采用的方法生成窗口很慢，所以實(shí)際上整個(gè)檢測(cè)是比較慢的。）

總結(jié)

以上是生活随笔為你收集整理的深度学习（主要是CNN）用于图片的分类和检测总结的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。