问目标多次出现时的关键点检测
EN

Stack Overflow用户

提问于 2022-10-11 15:36:22

回答 1查看 29关注 0票数 -1

我正在实现一个关键点检测算法来识别图像上的生物医学标志。我只有一种地标要探测。但在一幅图像中，这些地标中有1-10处可以出现。我想知道什么是最好的方法来组织地面真理，以最大限度地学习。

我考虑为每个图像创建10个地标坐标，并将它们与0(不存在)或1(存在)的标志相关联。但这似乎不太理想。由于一张图片中的多个地标实际上是相同类型的生物医学元素，因此神经网络不应该试图将它们作为单独的实体来学习。

有什么建议吗？

发布于 2022-10-11 15:57:12

一个可以随处可见的地标听起来像是一个典型的CNN问题。你的CNN过滤器应该知道哪些特征构成了地标，但他们不在乎它出现在哪里。这将是下一层的责任。因此，为了训练CNN层，您可以使用单色图像作为目标:1是“此像素处的里程碑”，如果不是，则为0。

下一层基本上是处理CNN检测到的特征。为了训练这些，你的基本真理应该是所期望的结果。您只需要二进制输出(count>0)吗？对计数的准确估计？坐标？定向？NN不太在意他们学到了什么，所以只要在训练它应该在推理中产生什么就给它。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/74030646

复制

相似问题

问目标多次出现时的关键点检测EN