使用Keras進行目標檢測：快速R-CNN或YOLO的簡單方法

Question

這個問題可能已被回答，但我沒有找到一個簡單的答案。我創建了一個使用Keras對Simpsons字符進行分類的小網絡（dataset here）。
我有20個類，並提供一個圖像作爲輸入，我返回字符名稱。這很簡單。我的數據集包含圖片中帶有主要字符的圖片，並且只有字符的名稱作爲標籤。

現在我想添加一個對象檢測問題，即在圖片中的字符周圍繪製邊界框並預測它是哪個字符。我不想使用滑動窗口，因爲它非常慢。所以我想過使用更快的RCNN（github repo）或YOLO（github repo）。我是否必須爲每個訓練集的圖片添加邊界框的座標？有沒有辦法做對象檢測（並在我的測試中獲得邊界框）而不給出訓練集的座標？總之，我想創建一個簡單的對象檢測模型，我不知道是否有可能創建一個更簡單的YOLO或更快的RCNN。

非常感謝您的幫助。

Answer 1

yolo或更快rcnn的目標是獲取邊界框。所以，簡而言之，是的，你需要標記數據來訓練它。

走了一條捷徑：

• 1）標籤包圍的箱子極少數（可以說每5個字符）。
• 2）在非常小的數據集上訓練更快的rcnn或yolo。
• 3）對整個數據集運行你的模型
• 4）它會得到一些權利，得到很多錯誤。 5）訓練正確有界的訓練集，你的訓練集現在應該更大。
• 6）重複，直到你有你想要的結果。

Answer 2

您可能心中已經有了合適的架構已經：「現在，我想補充的目標檢測問即得出各地的圖片字符的邊框，並預測它是字符」

所以你就分成兩個部分任務：
1.添加對象檢測器，用於檢測人使用你已經受過訓練

的convnet對於部分1，你SH返回邊框
2.分類邊界框通過在頂部使用物體檢測器（仍然是YOLO和Faster-RCNN）來檢測人物，可以使用特徵檢測器（例如COCO或Imagenet上預處理的convnet）。 但是，您可能會發現「漫畫」（假設辛普森一家是人）的人沒有被正確識別，因爲特徵探測器沒有在基於卡通的圖像上訓練，而是在真實圖像上訓練。在這種情況下，根據transfer learning方法學，您可以嘗試重新訓練卡通圖片上的幾個特徵檢測器以學習卡通特徵。