目的は画像からオブジェクトをローカライズすることです。私は既存のモデルを変更して訓練することに決めました。しかし、マスクを使ってモデルを訓練するか、ROIだけでモデルを訓練すべきかを決めることはできません。畳み込みニューラルネットワークの列車画像の選択
例:クラス1データの場合、クラス1オブジェクトのみがイメージに表示され、他のすべての領域は0で埋められ、2'ndクラスでは同じことが実行され、マスクの2'ndクラスのオブジェクト、3番目と4番目のクラスのクラスのオブジェクトなどです。私が関心に、マスクなしで領域のみを画像から各クラスをトリミングします:ROIのを使用して
第二の方法、。 https://github.com/jazzsaxmafia/Weakly_detector
私は第1、第2の方法またはを選択しなければならない。
はその後、私は、これは同様のことを行う続けることを期待しますか? 「あなたの計画はうまくいかない、これを試してください」などのコメントもありがとうございます。
--Edit-- 明確にすることが、
オリジナル画像:http://s31.postimg.org/btyn660bf/image.jpg
第1 'のアプローチ使用してマスク:
- 第1'のクラス:http://s31.postimg.org/4s0pjywpn/class11.png
- 2'ndクラス:http://s31.postimg.org/3zy1krsij/class21.png
- 3'rdクラス:http://s31.postimg.org/itcp5j09n/class31.png
- 4'rdクラス:http://s31.postimg.org/yowxv31gb/class41.png
ROIのを使用して第1 'のアプローチ:
- 第1'のクラス:http://s31.postimg.org/4x4gtn40r/class1.png
- 第2 'クラス:http://s31.postimg.org/8s7uw7n6j/class2.png
- 3'rdクラス:http://s31.postimg.org/mxdny0w7v/class3.png
- 4'rdクラス:http://s31.postimg.org/qfpnuex3v/class4.png
P.S:オブジェクトの位置がので、多分もう少し有用であり得るマスクアプローチを用いて、新たな実施例のための非常に類似であろう。 ROIアプローチでは、非常にサイズの異なる各オブジェクトを正規化する必要があります。しかし、イメージマスク全体を正規化することは、元のマスクとの間の分散をはるかに少なくすることができる。