我目前正在尝试使用一个简单的卷积神经网络来预测图像中对象的位置，但给出的预测总是整张图像。
-
数据集是斯坦福汽车数据集，包含大约8144张汽车图片。
-
我不是要预测这是哪种类型的汽车，只预测它的位置
-
特征是200×200的灰度图像，缩放到[0,1]之间
-
标签是LeftX,TopY,Width,Height。同样缩放到[0,1]之间
这是模型:
model = Sequential()model.add(Conv2D(64,(3,3),input_shape = (200,200,1)))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=2))model.add(Conv2D(64,(3,3)))model.add(Activation("relu"))model.add(MaxPooling2D(pool_size=2))model.add(Flatten())model.add(Dense(4))model.add(Activation("sigmoid"))model.compile(loss="mean_squared_error",optimizer="Adam",metrics=[])model.fit(X,y,batch_size=32, validation_split=0,epochs=30,verbose=2)模型的预测基本上总是: [0,0,1,1]。
回答：
你可以尝试这个，我使用了预训练的Xception网络作为特征提取器。你可以尝试使用其他ImageNet模型，如Inception, ResNet50等。tf.keras.applications提供了很多预训练的卷积网络。使用预训练网络可以帮助你在数据较少的情况下获得良好的结果。更多关于迁移学习的信息
from tensorflow.python.keras.layers import GlobalAveragePooling2D, Dense, Inputfrom tensorflow.python.keras.applications.xception import Xception inp = Input(shape=(299, 299, 3))base_model = Xception(include_top=False, input_tensor=inp, weights='imagenet')y = base_model.layers[-1].outputy = GlobalAveragePooling2D()(y)y = Dense(4, activation='sigmoid')(y)model = Model(inputs=inp, outputs=y)输出形状为[None, 4]，意味着每个标签包含4个数字
- x – 边界框中心的x坐标
- y – 边界框中心的y坐标
- w – 边界框的宽度
- h – 边界框的高度
标签被重新缩放到0到1之间。（相对于图像尺寸进行重新缩放）
图像的样本边界框标签
[0.48, 0.4 , 0.58, 0.37]