machine-learning - 神经网络模型架构每像素分类

Question

我熟悉 (C)NN 一般如何处理分类问题(2d 图像 -> 1 类)，但我不知道如何构建一个网络来获取 2d 图像并输出 2d 矩阵分类值。

实际上，我有一组 NxN 图像(1 个 channel )，我想在“每个像素”的基础上对其进行分类。我希望输出是 NxN 类集，这样对于位置 (a,b) 处的像素，结果将是输入图像中像素 (a,b) 的分类结果。

模型架构有什么帮助吗？

附注我听说过基于补丁的方法，但我想将整个 NxN 图像输入到网络中而不需要“打补丁”。

谢谢!乔

Answer 1

总的来说，这个任务没有什么特别的。 DNN 可以同时执行多个分类或回归任务。由于权重是共享的，您可以确保在每个像素的分类过程中，一个像素与所有其他像素之间存在某种联系。

长话短说，解决这个问题的可能算法:

1) 确保您有一个训练集，其中输入有 NxN 图像，输出有 NxN 目标类标签矩阵(每个像素的类标签)

2) 使用通常用于图像分类的架构构建一些 DNN。就像几个带有 max-pooling 的卷积层，后面跟着 2-3 个全连接的 ReLU 层。

3)确保输出层的大小为 NxN 并且不是 softmax 层(再次使用 ReLU)

4)训练它!

这应该工作得很好。我还可以向您保证，从 DNN 获得多个半独立输出并不罕见。例如here使用相同的网络同时定位所有面部关键点(眼睛、嘴巴、 Nose 等)。