Deep learning 有没有一种方法可以在不检测的情况下找到物体的分布？

假设我的数据由气泡图像组成，标签是描述大小分布的直方图，例如：

0-10mm 10% 
10-20mm 30%
20-30mm 40%
30-40mm 20%

值得注意的是-

• 所有尺寸百分比总和为100%
• 我没有带注释的数据，所以我不能训练一个对象检测器，然后通过计算检测到的对象来计算分布。然而，我的数据上确实有一个特征提取器序列

我想先实现一个简单的CNN，然后是FC层，然后在logits上应用softmax。然而，softmax更适合于分类任务，我担心等式中的指数将“抛出”较大的值为1，较小的值为0

---

是否有任何推荐的arcitectures/loss Function/normalization Function适用于此类问题？

对我来说，softmax方法是有意义的。否则，您可以使用自定义层，该层将向量的每个元素除以所有元素的和，从而使结果的和为1

---

至于损失函数，由于您需要比较两种概率分布，我认为Kullback-Leibler散度值得尝试。

请您解释一下您的直觉，为什么softmax对这项任务有意义？谢谢。“你可以使用一个自定义图层，将向量的每个元素除以所有元素的和，这样结果的和就是1。”但是如果我的值logits可以是负数呢？你说得对，负数是个问题。我想softmax至少值得一试。这是我知道的从K个实数中得到概率分布的唯一方法。希望训练过程能够调整权重，这样输出就不会太偏向小值/大值。Softmax只生成介于0到1之间的值，并且它们的总和为1，所以这正是您需要的输出激活。@MatiasValdenegro确实如此。但是，由于指数的原因，较大的值往往会得到更高的百分比。我不明白为什么这是一个问题，最终模型会学习输入到softmax的内容。即使你在识别单个气泡并对其进行计数方面做得很好，这项任务也很可能产生偏差，取决于图像的拍摄方式以及我们首先谈论的图像类型。你能发布一个示例图像吗？