CNNs如何使用模型并找到所需的对象(S)？

Question

背景:我正在学习CNN的课程之外，我的本科课程的ML。我有几个关于CNN的问题。

( 1)当我们训练CNN时，我们想要严格限制/裁剪所需课程的图像，对吗？也就是说，如果我们试图识别狗，我们将使用成千上万的图像，紧切的狗。我们也会喂非狗的图片，对吗？这些图像被缩放到特定的大小，即255x255。

2)假设训练已经完成。我们的模型似乎足够精确，没有问题。从这里开始，让我们有一个大的，高清图像，一只没有遮挡的狗跑过一个领域与各种障碍。对于一个典型的NN和一些数据，我们只需要使用模型，用一些输入横过它，然后它就会输出一些类。CNN将如何看待这张大图片，然后“找到”那只狗？我们是否对图像运行某种类型的预处理来对其进行分区，并输入分区？

Answer 1

虽然这个问题可以有一个非常详细的解释，但我会尽量让你理解更少的单词。

1)将图像裁剪到特定大小不是必要条件，缩放也不是必要条件。但是这样说，狗是用B&W图像还是RGB图像来表示并不重要，因为卷积网络学习图像中与颜色无关的特征。缩放和调整大小有助于限制0到1之间像素的值。

2)一旦你训练了你的CNN模型，它就学会了所有的特征，如边缘等，以识别图像中的一只狗。因为模型已经学会了这些特征，所以它获得了某些特性，比如平移不变性，这意味着无论你在图像中将狗定位在哪里，它仍然是一只狗，并且具有相同的特征。模型是如何识别的？它检查狗的特征，在训练期间学习，无论新形象的大小或狗在图像中的位置或狗正在做什么。

为了深入了解，您可以参考以下资源：

http://neuralnetworksanddeeplearning.com/chap6.html

http://cs231n.github.io/convolutional-networks/

Answer 2

虽然我有点犹豫回答，考虑到我认为自己是一个初学者，我认为我有一些东西可以提供，所以会尽我最大的努力。在过去的一年半时间里，我一直在努力学习，并且已经建立了自己的Feed Forward、完全连接和卷积网络解决程序，所以我不是一个绝对的初学者。好的，这是我对这个问题的输入。虽然CNN确实提供了一些翻译上的不变性，但当CNN接受训练时，只在图像中的某个地方给一只狗喂食一张大图像，将无法正确地解决OP所面临的问题。操作直觉是正确的，有一个预处理阶段。这是关于我的知识范围，也是在一个课程中学习这些技术。查找R(带有CNN特征的地区)网络。有很多种技术，一种叫做分割。将图像分割成较小的区域，并使用各种计算机视觉技术，如HOG (梯度直方图)，对是否为感兴趣区域(ROI)进行“弱”估计，即包含感兴趣的对象。这些区域中的每一个都被传递给经过训练的CNN，以确定它所训练的对象是否在图像中。显然，最初的R-CNN网络将通过平均2000罗伊斯找到一个物体.更快的R-CNN做了改进。