Computer vision 无完全连接层的卷积神经网络分类器

我正在进行一个项目，检测以下类别{汽车、卡车、公共汽车}，然后提取相应的车牌

这个问题是关于检测各个类的。我使用了传统的方法，我使用了线性支持向量机的HOG特征，它可以工作，但精度较低。我正试图调查CNN的深度学习检测，它显示了更高的准确性。像这样的文件是非常显示，我完全理解它的工作原理

最近，该模型显示了一个非常快速的检测，这是非常有趣的。如果我猜对了的话，那么约洛大致上和他相似

通常，YOLO有24个卷积层和2个完全连接层。实现了一个基于本文的检测网。我感到困惑的是，NVIDIA的DetectNet没有任何完全连接的层（）。相反，最后一个卷积层的输出通过一个降维卷积层，我认为这会输出一个对象的可信度

问题1

但我不明白卷积层是如何取代FC层并学会预测对象的？对此的详细解释将非常有帮助

问：你能在一张完全连接的图层上进行卷积分类吗 答案很简单：是的。我们不需要在tensorflow或keras中使用致密层。但是这到底是什么意思？这有多重要？让我们看一些使用Denise层进行MNIST分类的代码

import numpy as np
import tensorflow as tf
from tensorflow.keras.layers import Conv2D, MaxPool2D, InputLayer, Reshape

# get some image data for classification
(xtrain,ytrain),(xtest,ytest) = tf.keras.datasets.mnist.load_data()
xtrain = np.reshape(xtrain,[-1,28,28,1]) / 255.0
ytrain = np.eye(10)[ytrain]
xtest = np.reshape(xtest,[-1,28,28,1]) / 255.0
ytest = np.eye(10)[ytest]

# make a convolution model with any dense or fully connected layers
model = tf.keras.models.Sequential([
    InputLayer([28,28,1]),
    Conv2D(filters=16, kernel_size=3, activation='tanh', padding='valid', kernel_initializer='he_normal'),
    Conv2D(filters=16, kernel_size=3, activation='tanh', padding='valid', kernel_initializer='he_normal'),
    MaxPool2D(pool_size=2),
    Conv2D(filters=24, kernel_size=3, activation='tanh', padding='valid', kernel_initializer='he_normal'),
    Conv2D(filters=24, kernel_size=3, activation='tanh', padding='valid', kernel_initializer='he_normal'),
    MaxPool2D(pool_size=2),
    Conv2D(filters=32, kernel_size=4, activation='tanh', padding='valid', kernel_initializer='he_normal'),
    Conv2D(filters=10, kernel_size=1, activation='softmax', padding='valid', kernel_initializer='he_normal'),
    Reshape([10])
    ])

model.summary()
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
_ = model.fit(x=xtrain,y=ytrain, validation_data=(xtest,ytest))

它将根据此结果在1个历元后对MNIST进行分类

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 26, 26, 16)        160       
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 24, 24, 16)        2320      
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 12, 12, 16)        0         
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 10, 10, 24)        3480      
_________________________________________________________________
conv2d_3 (Conv2D)            (None, 8, 8, 24)          5208      
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 4, 4, 24)          0         
_________________________________________________________________
conv2d_4 (Conv2D)            (None, 1, 1, 32)          12320     
_________________________________________________________________
conv2d_5 (Conv2D)            (None, 1, 1, 10)          330       
_________________________________________________________________
reshape (Reshape)            (None, 10)                0         
=================================================================
Total params: 23,818
Trainable params: 23,818
Non-trainable params: 0
_________________________________________________________________

60000/60000 [==============================] - 28s 467us/sample - loss: 0.1709 - acc: 0.9543 - val_loss: 0.0553 - val_acc: 0.9838

准确度不是很高，但肯定远远高于随机性。我们可以从模型定义中看到，没有使用一个完全连接的层（tf.keras.layers.Dense）

但是，层

conv2d_4

即

conv2d（filters=32，kernel_size=4，

层有效地执行了与

flatte（）

紧跟其后的

Dense（32，…）

相同的操作

然后

conv2d_5

即

conv2d（filters=10，kernel_size=1，…

有效地执行与

Dense（10，…）相同的操作

可以。关键区别在于，在上述模型中，这些操作使用卷积框架。它看起来很酷，但当内核大小与整个高度x宽度相同时，其计算与完全连接的层相同

---

从技术上讲，答案是没有使用密集层。本着承认底层计算的精神，是的，最终层的行为与完全连接的层类似。

detectnet确实使用FCN，请参见

https://devblogs.nvidia.com/parallelforall/detectnet-deep-neural-network-object-detection-digits/

车队之间的唯一区别内核空间大小

1x1

的抽象层和FC层是前者的权重是通道共享的，而后者的权重根本不共享。