Deep learning 从图像中定位/提取面片
我有一个包含多个项目的图像（例如60x60）。项目呈方形框状，尺寸为4x4，随机放置在图像中。框（项目）本身是使用随机模式创建的，一些随机像素打开，另一些关闭。因此，可能是同一个框在图像中重复了两次（如果有两个以上的项目，则重复次数会更多），也可能是完全不同的 我希望创建一个深度学习模型，可以接收原始图像（60x60）并输出图像中的所有补丁Deep learning 从图像中定位/提取面片,deep-learning,convolutional-neural-network,Deep Learning,Convolutional Neural Network,我有一个包含多个项目的图像（例如60x60）。项目呈方形框状，尺寸为4x4，随机放置在图像中。框（项目）本身是使用随机模式创建的，一些随机像素打开，另一些关闭。因此，可能是同一个框在图像中重复了两次（如果有两个以上的项目，则重复次数会更多），也可能是完全不同的 我希望创建一个深度学习模型，可以接收原始图像（60x60）并输出图像中的所有补丁 这就是我现在所拥有的一切，但我肯定可以在讨论开始时分享更多细节。我有兴趣权衡不同的选择，以帮助我实现这一目标。谢谢。我会用物体检测来解决这个问题。首先，我将
这就是我现在所拥有的一切，但我肯定可以在讨论开始时分享更多细节。我有兴趣权衡不同的选择，以帮助我实现这一目标。谢谢。我会用物体检测来解决这个问题。首先，我将训练一个网络，通过切割这些对象的补丁来检测这些盒状对象。然后我会在上面运行一个更快的R-CNN或类似的东西
你可能想看看斯坦福大学关于检测的讲座（幻灯片如下：） 更快的R-CNN绝对是一个很好的方法，但我想我需要带注释的图像进行训练？你需要一个能够正确分类盒子的网络。