image - 如何让神经网络给出位置？

Question

我了解如何处理分类问题并开始了解卷积网络，我认为这在某种程度上是答案。我对如何设置网络来提供输出位置有点困惑。

假设您拥有包含面部的数据集的 Nose 端点的位置。要找到终点，您只需做一个“分类”类型的问题，其中您的输出层类似于 64x64 = 4096 个点，但如果 Nose 位于网格的第 43 行和第 20 列点，您只需将输出设置为全零，除了对于在元素 43*64 + 20 = 2772 处，您将其设置为等于 1 吗？然后只需将其映射回您的图像尺寸即可。

我找不到太多关于这部分识别如何工作的信息，这是我最好的猜测。我正在用这种方法进行第二个项目，但这将是大量工作，并且想知道我是否至少走在正确的轨道上。这似乎是一个已解决的问题，但我似乎找不到人们如何做到这一点。

Answer 1

尽管您所描述的内容可行，但通常不使用神经网络(卷积网络和其他网络)来确定图像中特征的位置。特别是，卷积神经网络 (CNN) 专门设计为具有平移不变性，因此无论特征在输入图像中的位置如何，它们都会检测特征 - 这与您正在寻找的内容相反。

针对您所描述的此类问题，一种常见且有效的解决方案是级联分类器。它们有一些限制，但对于您所描述的应用程序类型，它可能会工作得很好。特别是，由于采用分阶段方法，级联分类器被设计为提供良好的性能，其中输入图像的大部分部分很快就会被前几个阶段消除。

不要误会我的意思，尝试使用您描述的方法可能会很有趣；请注意，要使其很好地扩展可能会很困难。