machine-learning - 神经网络输出中的边界框估计

Question

我正在研究卷积神经网络来识别动物、车辆、树木等物体。检测类别之一是汽车。当我将图像提供给网络时，它预测为 auto 。但我需要在对象周围绘制一个边界框。当我尝试滑动窗口方式时，我得到了很多边界框，但我只需要一个。神经网络预测后如何找出物体最合适的边界框？我们不需要某种方法来定位大图像中的对象吗？这就是我想要的。

我的最后一层函数是逻辑回归函数，它仅预测 1 或 0。我不知道如何对概率分数进行预测。如果我有每个盒子的概率分数，那么很容易找到最合适的盒子。请建议我一些找到相同内容的方法。提前致谢。欢迎所有答案。

INPUT, OUTPUT AND EXPECTED OUTPUT

Answer 1

尚不清楚输入图像中是否有单个对象或多个对象。您的示例显示了一个。

如果您有一个对象，请考虑以下一些边界框选项:

• 保留最远的边界:保留距离所有边界框中心最远的顶部、底部、右、左边界。
• 保留平均水平:例如获取所有顶部边界并保留它们的平均位置。对所有底部、右侧和左侧边界重复相同的操作。
• 保留中值:与平均值相同，但保留每个方向边界的中值。
• 保留具有最大激活值的边界框:您将使用逻辑回归作为最后一步，找到进入该逻辑层的输入，并将具有最大输入的边界框保留为物流层。