如何在神经网络中检测训练过的图像？

Question

我使用了卷积神经网络（CNN）来训练地图中的图例。这些图例包括圆形、椭圆形、菱形、十字架和正方形。神经网络（受代码启发https://towardsdatascience.com/from-raw-images-to-real-time-predictions-with-deep-learning-ddbbda1be0e4)对我来说效果很好。输入图像是图例（如输入训练图像）的单独裁剪图片，我想要的输出是在地图（如输入地图）中预测这些图例。我的神经网络现在可以对图像进行分类，并预测它们是正方形还是圆形。例如，当我提供此图像diamondinput作为输入时，输出为diamond。

from keras.models import model_from_json
import numpy as np

EMOTIONS_LIST = ["circle","cross","diamond","oval","square"]
def predict_emotion(img):
        preds = model.predict(img)
        return EMOTIONS_LIST[np.argmax(preds)]
import cv2
import numpy as np
from google.colab.patches import cv2_imshow
import keras
#model =  keras.models.load_model('/content/drive/MyDrive/model_weights_updated.h5')
fr=cv2.imread('/content/drive/MyDrive/Images/train/diamond/Copy of 0076.tif')
gray_fr = cv2.cvtColor(fr, cv2.COLOR_BGR2GRAY)
roi = cv2.resize(gray_fr, (48, 48))
pred = predict_emotion(roi[np.newaxis, :, :, np.newaxis])
print(pred)

程序输出：

[[1.7809551e-06 2.4862277e-07 9.9999583e-01 2.1272169e-06 8.9550163e-09]]，钻石

如何使神经网络预测地图中的这些传说以及地图中的所有其他传说，就像这个outputmap一样？。

Answer 1

使用您获得的网络，可以将每个地图拆分为一个网格，然后对网格中的每个部分进行分类，但这种方法存在许多问题。

对您来说，更好的解决方案是使用进行语义分割的神经网络。这样，您的网络会为地图上的每个形状回归一个似然图。有了这个似然图，您将知道每个类有多少个以及它们在哪里。

为此，可以从以下MaskRCNN实现开始。

https://github.com/matterport/Mask_RCNN