CNN与图像应用

一、图像识别与定位

　　0.Classification:C个类别

　　　Input:Image

　　　Output:类别标签

　　　Evaluation metric:准确率

　　1.Localization:

　　　　Input:Image

　　　　Output:物体边界框(xy,w,h)

　　　　Evaluation mertric:交并准则

　　3.Classification+Localization:识别主题+定位

 　  4.ImageNet：实际上有   识别+定位  2个任务

　　5.思路1：视作回归问题

　　　　(1)先解决简单问题，搭建一个识别图像的神经网络

　　　　(2)在AlexNet VGG GoogleLenet ResNet上fine-tun一下

　　　　(3)步骤2：在上述神经网络的尾部展开，称为classification+regresssion模式

　　　　(4)步骤3：回归部分(Regression)用欧氏距离损失；使用SGD(随机梯度下降)训练

　　　　

　　　　(5)Regression(回归)的模块部分加在什么位置

　　　　　　最后的卷积层后；全连接层后

　　　　(6)能否对主体有更细致的识别呢？

　　　　　　提前规定好友K个组成部分；做成K个部分的回归

　　　　(7)应用：如何识别人的姿势？

　　　　　　每个人的组成部分是固定的；对K个组成部分(关节)做回归预测=》收尾相连的线段

　　　　(8)实际应用时

　　　　　　尝试各种窗口的大小；甚至会在窗口上再做一些“回归”的事情

　　2.思路2：图窗+识别与整合

　　　　(0)想办法克服一下过程中的“参数多”与“计算慢”

　　　　　　测试/识别阶段的计算是可以复用的(小卷积)

　　　　　　加速计算

　　　　　　用多卷积核的卷积层替换全连接层

　　　　　　降低参数量

　　　　(1)类似刚才的classification+regression

　　　　(2)咱们取不同大小的“框”

　　　　(3)让框出现在不同的位置

　　　　(4)判定得分

　　　　(5)按照得分高低对结果框做抽取和合并　　　　 

　　3.图像相关任务：

　　

二、物体识别

　　1.边缘策略/选择性搜索=>R-CNN

　　2.R-CNN=>Fast R-CNN

　　3.Fast R-CNN=>Faster R-CNN

　　4.YOLO/SSD

三、图像分割

　　1.语义分割

　　2.反卷积