图像中同一对象的多个实例 - 使用 CNN 进行对象检测答案

【问题标题】：图像中同一对象的多个实例 - 使用 CNN 进行对象检测
【发布时间】：2021-12-31 03:46:57
【问题描述】：

NN 的新手。可以训练 CNN 来检测图像中的单个对象。但是，如果数据集中的任何图像都可以包含任何 n # 个对象怎么办。由于输出密集层必须是固定大小，这不会对 CNN 造成问题吗？你会如何解决这个问题？

例如：假设我从这组中随机抽取了 2 张图像。图像 1 有 2 个对象，图像 2 有 5 个对象。 img1 的 y 标签将包含 2 个对象的边界框坐标； img2 的 y 标签将包含 5 个对象的坐标——比 img1 大得多的 y 向量。

可能的解决方案？：

我需要找到具有最大对象数的图像（将此值指定为 M）。假设一个对象有 4 个坐标。如果 M = 5，我需要 20 的 y 向量。如果图像有 1 个对象，则 y 向量将包含 4 个非零值和 16 个零值。 4 个非零值表示坐标，16 个零值表示其他不存在对象的坐标。

【问题讨论】：

【解决方案1】：

进行多对象分类的基本方法是使用分割。这是通过将输入图像分割成几个子区域并将每个区域馈送到神经网络来完成的。

但是，这是一种非常基本的方法，现在有许多高级算法可以自动进行分割。

一般来说，多对象分类分两步处理：首先是区域提议算法来猜测图像的哪些部分包含对象。

第二个是对建议区域进行分类的算法。

【讨论】：

像 Faster R-CNN 这样的东西通过使用 RPN 来提取它认为相关的特征来执行分割？我对此的理解正确吗？此外，假设图像有可变的预测标签，y 向量会是什么样子。