使用Convnet的目标中心检测总是返回图像的中心，而不是目标的中心

Question

我有一个约150张图像的小数据集。每张图片都有一个放置在地板上的物体（白色和黑色的矩形盒子）。物体在所有图像中都是相同的，但是地板的图案是不同的。目标是训练网络找到图像的中心。每个图像的尺寸为256x256x3。

Train_X为size150x256x256x3，Train_y为size150x2（此处150表示图像总数）

我知道150张图像的数据集太小，但我可以放弃一些准确性，所以我在Conv网络上训练数据。这是我使用的convnet的体系结构

• Conv2D层（过滤器大小为32）
• 激活Relu
• Conv2D层（过滤器大小为64）
• 激活Relu
• 平坦层
• 致密（64）层
• 激活Relu
• 密集型（2）
• 激活Softmax
• model.compile（loss='mse'，optimizer='sgd'）

观察：即使在训练数据上，训练模型也始终返回图像的归一化中心0.5,0.5作为“对象”的中心。当我在train_X上运行predict函数时，我希望得到一个矩形对象的中心，而不是图像的中心。我得到这个输出是因为我选择了conv层吗？

Answer 1

我认为在最后一层中使用“SoftMax”激活是您的网络不能弱执行的主要原因，因此您可以使用Relu或任何其他线性激活或使用no训练Conv部分，只训练密集部分。在你的小数据的情况下，你可以使用keras图像生成器来增加更多的图像，如下所示。

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
y_train = np_utils.to_categorical(y_train, num_classes)
y_test = np_utils.to_categorical(y_test, num_classes)
datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)
# compute quantities required for featurewise normalization
# (std, mean, and principal components if ZCA whitening is applied)
datagen.fit(x_train)
# fits the model on batches with real-time data augmentation:
model.fit(datagen.flow(x_train, y_train, batch_size=32),
          steps_per_epoch=len(x_train) / 32, epochs=epochs)
# here's a more "manual" example
for e in range(epochs):
    print('Epoch', e)
    batches = 0
    for x_batch, y_batch in datagen.flow(x_train, y_train, batch_size=32):
        model.fit(x_batch, y_batch)
        batches += 1
        if batches >= len(x_train) / 32:
            # we need to break the loop by hand because
            # the generator loops indefinitely
            break

因此，作为总结，请执行以下操作：

• 删除Softmax激活或使用线性激活，如Relu或LeakyRelu。
• 使用预训练网络进行特征提取。
• 使用图像增强来创建更多的图像。

Answer 2

您基本上是在尝试解决回归问题。除了您所做的之外，您还可以尝试以下几点：

1. 使用图像增强技术生成更多数据。另外，将图像标准化。
2. 用更多的卷积层制作更深层次的模型。
3. 对于卷积层，使用适当的权重初始值设定项可能是正常的。
4. 在层之间使用BatchNormalization使过滤器值的平均值和标准值分别等于0和1
5. 使用交叉熵损失，因为它有助于更好地计算梯度。在MSE中，梯度随着时间的推移变得非常小，尽管它似乎是回归问题的首选
6. 尝试将优化器更改为Adam。
7. 如果数据集中还有几个类，并且存在类不平衡问题，则可以使用焦点损失，这是交叉熵损失的一种变体，它对误分类标签的惩罚大于对正确分类标签的惩罚。此外，减少批量大小和上采样也会有所帮助。
8. 使用贝叶斯优化技术对模型进行超参数调整

一个样例模型代码：

with open(os.path.join(DATA_DIR, 'mnist.pickle'), 'rb') as fr:
    X_train, Y_train, X_val, Y_val = pickle.load(fr)
X_train = X_train.reshape(60000, 784)
X_val = X_val.reshape(10000, 784)
X_train = X_train.astype('float32')
X_val = X_val.astype('float32')
X_train /= 255
X_val /= 255
nb_classes = 10
Y_train = to_categorical(Y_train, nb_classes)
Y_val = to_categorical(Y_val, nb_classes)
return X_train, Y_train, X_val, Y_val

def build_model(input_shape, dropout=True):
    model = Sequential()
    model.add(Conv2D(32, (5,5), activation='relu', kernel_initializer='he_uniform', padding='valid', input_shape=input_shape))
    model.add(BatchNormalization())
    model.add(MaxPooling2D((2,2), strides=1, padding='valid'))
    if dropout:
        model.add(Dropout(0.2))
    model.add(Conv2D(64, (3,3), activation='relu', kernel_initializer='he_uniform', padding='valid'))
    model.add(Conv2D(128, (3,3), activation='relu', kernel_initializer='he_uniform', padding='valid'))
    model.add(BatchNormalization())
    model.add(MaxPooling2D((2,2), strides=2, padding='valid'))
    if dropout:
        model.add(Dropout(0.2))
    model.add(Flatten())
    model.add(Dense(100, activation='relu', kernel_initializer='he_uniform'))
    model.add(BatchNormalization())
    model.add(Dense(classes, activation='softmax', kernel_initializer='he_uniform'))
    # optimizer = SGD(lr=0.01, decay-1e-6, momentum=0.9)
    optimizer = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=False)
    model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['accuracy'])
    return model

Answer 3

由于您在详细信息中未提及，以下建议（如果您尚未实施）可能会有所帮助：

1）规范化输入数据（例如，如果您正在处理输入图像，x_train=x_train/255，然后将输入送入图层）

2）尝试线性激活最后一个输出层

3） 在更高的时期运行配件，并试验不同的批量大小