现代CNN (卷积神经网络)是DetectNet旋转不变的吗？

Question

众所周知，用于目标检测的nVidia DetectNet - CNN (卷积神经网络)是基于Yolo/DenseBox：https://devblogs.nvidia.com/parallelforall/deep-learning-object-detection-digits/的方法。

DetectNet是流行的GoogLeNet网络的扩展。这些扩展类似于Yolo和DenseBox论文中采用的方法。

如图所示，DetectNet可以检测任何旋转的对象(cars)：https://devblogs.nvidia.com/parallelforall/detectnet-deep-neural-network-object-detection-digits/

​

​

现代CNN (卷积神经网络)是DetectNet旋转不变的吗？

我能用同一旋转角度对数千幅不同的图像进行DetectNet训练，以检测任意旋转角度上的物体吗？

​

​

那么旋转不变的是: Yolo，Yolo v2，DenseBox是基于哪一个DetectNet的呢？

Answer 1

不是

在分类问题中，CNN不是旋转不变的。你需要包括在你的训练集图像与每一个可能的旋转。

您可以训练CNN将图像分类为预定义的类别(如果您想检测图像中的多个对象，如您的示例，您需要使用分类器扫描图像的每个位置)。

然而，这是一个对象检测问题，而不仅仅是一个分类问题。

在对象检测问题中，可以使用滑动窗口方法，但效率极低。相反，一个简单的CNN，其他建筑是最先进的。例如：

• 更快的RCNN：https://arxiv.org/pdf/1506.01497.pdf
• YOLO网：https://pjreddie.com/darknet/yolo/
• SSD：https://arxiv.org/pdf/1512.02325.pdf

这些体系结构可以检测图像中任何位置的对象，但您还必须在具有不同旋转的训练集样本中包含(并且必须使用边界框标记训练集，这非常耗时)。

Answer 2

在罗布的回答中，通常CNN本身是平移不变的，而不是旋转和尺度。但是，将所有可能的轮调纳入您的培训数据并不是强制性的。最大池层将引入旋转不变量。

由Franck 这里发布的这幅图像可能就是你要找的东西。

其次，关于Kershaw对Rob的回答的评论，他说：

CNN是不变的小水平或垂直的运动，在你的训练数据，主要是因为最大池。

CNN具有平移不变性的主要原因是卷积。过滤器将提取特征，而不管它在图像中的位置，因为过滤器将在整个图像中移动。当图像旋转或缩放时，由于特征像素表示的差异，滤波器将失败。

资料来源: Aditya来自此链接的答复。

Answer 3

Detectron2最近增加了旋转速度更快的RCNN网络。要创建这样的模型，您应该为带有旋转边框的车辆创建注释，即：

rbbox = [center_x, center_x, width, height, angle]

例如：

​

​

有关更多信息，请访问此链接。