CNN是在图像中查找和计数对象的最佳方法吗？

Question

我开始了我的第一个真正的数据科学项目，我做了一个研究，并想问我的方法是否正确：

我有: 600张电子元器件的照片，一张照片中有数百个组件，它们之间的形状和距离可能不同，但一张照片中只有一个形状。组件形状为方形、长方形、椭圆形、“E”型-shape和类似的

我需要:组件的通用计数器(不管照片上的元素是什么类型)

计划的方法:用openCV分析每一张图片以获得预测，然后用Tensorflow和GPU训练CNN (没有以前的经验)。

这是正确的思维方式吗？

Answer 1

对于您的情况，我建议使用对象检测网络来定位和分类您的组件。虽然您不需要位置或分类数据，但仍然可以计算网络检测到的对象数量。而且，这种方法不需要任何数据科学背景，因为有许多关于这个主题的教程和大量的开箱即用的工具，比如tensorflow的对象检测。

您将需要注释您的数据，但有大量的程序来帮助您这一点。这是我很快找到的。

我建议在NAS特征提取器中使用更快的RCNN，因为尽管它比其他CNN架构慢，但它是最精确的。此外，如果不将所有组件组合到一个类中，则网络的性能可能会更好。

完成这项任务所需的步骤基本上如下：

1. 安装和安装tensorflow
2. 从tensorflow检测模型动物园下载更快的RCNN
3. 通过在组件周围绘制边框并标记每个边界框，注解您的数据。
4. 训练你的模型
5. 保存经过训练的模型后，只需设置一个管道，该管道接收输入图像，将其输入到网络，并返回忽略边界框和分类数据的检测总数。下面是一个关于部署经过训练的模型的很好的教程。