Как организовать нейросеть для решения задачи локализации объектов?

Question

[Fyodor Kirillov]

Здравствуйте, участники проекта Toster.
Могли бы Вы помочь разъяснить некоторые детали?

Суть вопроса/проблемы заключена в заголовке.
Правильный ли подход используется:
В сверточную нейронную сеть подаётся изображение, существует несколько слоев, через которые проходят входные данные.
На выходе n нейронов, каждый из которых отвечает за определенную область изображения.

Таким образом хотелось бы получить маску, которая содержит m из n областей, от которых "сигнал" был наиболее силен (выше порога).
Входные данные: изображения и маски, с которыми сравнивается выход нейросети.
Так, по задумке, в сравнении маски и выхода ищем функцию ошибки.

Правильный ли подход выбран?
Если нет, тогда какую конфигурацию и подход Вы бы посоветовали?
Или же только лишь с помощью CNN эту задачу решить нельзя?

P.s. время решения не важно.

Comments

[MMostovenko]

Я правильно понял условие задачи? Выходной нейрон "говорит" о том, где может находиться искомый объект?

[Fyodor Kirillov]

MMostovenko: самый последний слой состоит из n нейронов (n, допустим, равно 200), каждый из которых отвечает за прямоугольную область на изображении. "Сигнал", условно, выше, чем 0.8, красим область (т.е. там по предположению что-то есть, нам нужное). И так для всех n областей по каждому нейрону.

[MMostovenko]

Fyodor Kirillov: спасибо!

Answer 1

[Арсений Кравченко]

Я бы скорее смотрел на https://pjreddie.com/darknet/yolo/ или https://github.com/yhenon/keras-frcnn

Comments

[Fyodor Kirillov]

Спасибо за ответ! Ценная информация

Answer 2

[Вячеслав Шиндин]

Погуглите фразу: u-net neural network
Мне кажется, эта модель как раз то что вам нужно, и она хорошо зарекомендовала себя в сегментации медицинских изображений, и в других задачах машинного обучения (например, Kaggle Sea Lion Population: оценка популяции морск...)

Comments

[Fyodor Kirillov]

Спасибо за ответ! Интересный материал