吴恩达深度学习笔记(10)12.

多任务学习

什么时候多任务学习有意义:

能从共享低级特征中获益;每个任务拥有的数据相当相似;训练一个足够大的神经网络用于所有任务。

目标定位:

分类定位(单个对象)与检测不同(多个对象)

识别物体,并画出框,需要更多输出,如图四个标签,是个变量

地标检测:

标签需要再不同的照片中保持一致性

目标检测:用卷积神经网络和滑动窗口检测的算法进行

利用有标签的数据训练神经网络后,遍历所有红色窗口的图像,每次滑动都需要输入神经网络运行,之后取一个稍微大一点的区域的框,根据网络要求调整区域大小。

缺点:计算成本很大,因为剪出了很多不同的正方形图像。

利用卷积神经网络实现滑动窗口(滑动窗口的卷积方式实现)

将神经网络的全连接层转化为卷积层

其中:FC第一层,用400个5X5X16个滤波器。

对滑动窗口的卷积方式实现,是让卷积神经网络向前运算共享计算过程,运行卷积神经网络,用同样的参数,和滤波器

精确的预测边界框:

并交化:评价目标检测算法

非极大值抑制:输出有最大可能性的分类判断,抑制那些非最大可能性的临近的方框。

目前所学到的算法可能会对同一目标有多次检测,非极大值抑制确保算法只对每个对象得到一个检测的方法。

锚框

目前对象检测的问题,每个单元网格只能检测一个对象,一个单元网格需要检测多个对象怎么办。

首先定义两个不同形状的锚框,接着要能将两个预测跟两个锚框关联起来,需要定于交叉标签

**使用锚框之前,**需要将训练集的每一个对象及训练集图像都做一遍,将训练图像上的对象指定给对应的目标中心点的网格单元。

使用锚框时,每个对象都被指定给之前一样的网络单元,被指定含有对象中心点的网络单元,但现在被指定给一个lou值最高,具有对象形状的锚框,对象不仅分给格子,还分给与对象边界框lou值最高的锚框,将对象转换为目标标签(输出的标签随着对象种类增多维数增加)。

YOLO

如何构架训练集,假设要训练一个算法检测三个目标,行人,汽车,摩托车,不需要为背景分配第四个标签,假设有两个锚框,需要遍历九个网络构造适合的目标向量y

区域推荐网络:

候选区域

利用卷积代替滑动窗口的缺陷是,在没有目标的区域内进行了多次卷积计算,因此提出了伴随区域的卷积网络R-CNN。他尝试抓取少数有意义的区域,运行整块区域的运算,候选区域,通过分割算法实现,但是此算法的运行速度很慢。算法对每一个区域输出一个标签,同输出一个边界框,如果区域内真有目标,可以得到一个准确的边界框

有很多改进工作加速算法

语义分割

课程学习了目标识别,目标检测,进一步需要进行语义分割,判断检测到的对象周围的仔细轮廓。确切知道那个像素属于对象,哪个不属于。将目标识别网络更改为转置卷积入下所示:

转置卷积

转置卷积是单元架构的关键部分,将小的输入变成大的输出

单元架构的结构灵感(U-Net)

跳跃连接使得这一层具有低分辨率但高层次、空间的上下文信息,同时具有低层次但详尽的纹理信息,以便决定每一个像素是否为猫的一部分。

U-Net工作原理

​​​​​​​

相关推荐
&黄昏的乐师10 分钟前
Opencv+ROS实现颜色识别应用
人工智能·opencv·学习·计算机视觉
小馒头学python23 分钟前
深度学习中的卷积神经网络:原理、结构与应用
人工智能·深度学习·cnn
2zcode24 分钟前
基于YOLOv8深度学习的脑肿瘤智能检测系统设计与实现(PyQt5界面+数据集+训练代码)
人工智能·深度学习·yolo
fhf36 分钟前
感觉根本等不到35岁AI就把我裁了
前端·人工智能·程序员
@曲终39 分钟前
C语言学习 12(指针学习1)
c语言·经验分享·笔记·学习
m0_7428488840 分钟前
PyTorch3
人工智能·深度学习
SRC_BLUE_1744 分钟前
[网安靶场] [更新中] UPLOAD LABS —— 靶场笔记合集
笔记
YuanLiu_2271 小时前
代码随想录算法训练营第十三天(递归遍历;迭代遍历;统一迭代;层序遍历)
java·数据结构·笔记·算法·leetcode
lindsayshuo1 小时前
香橙派--安装RKMPP、x264、libdrm、FFmpeg(支持rkmpp)以及opencv(支持带rkmpp的ffmpeg)(适用于RK3588平台)
人工智能·opencv·ffmpeg
soso19681 小时前
构建与优化数据仓库-实践指南
大数据·数据仓库·人工智能