Neural network Keras：使用VGG16检测特定的非通用项目？

我正在学习使用神经网络和对象检测，使用

Python

和

Keras

。我的目标是检测图像中非常具体的东西，比如说一个非常具体的品牌/类型的汽车化油器（汽车发动机的一部分）

到目前为止，我发现的教程以猫和狗的检测为例，其中许多教程使用预先训练的VGG16网络来提高性能

如果我只想检测我的特定化油器，而不关心图像中的任何其他内容，那么使用VGG16有意义吗。？VGG16是否仅在需要检测多个通用项而不是一个特定项时才有用

---

编辑：我只想知道图像中是否有特定的对象（化油器）。无需在其周围定位或放置盒子。我有大约1000张这一特定化油器的图片供网络训练使用。

VGG 16可用于此。（现在这是最好的吗？这是一个没有明确答案的开放性问题）

但你必须更换它的结尾来满足你的需要。 一个普通的VGG模型的末尾大约有1000个类，而一个猫x狗VGG的末尾改为有两个类。在您的情况下，应该将其结尾更改为只有一个类

在Keras中，您必须使用选项

include\u top=False

加载VGG模型

然后，您应该添加自己的最终密集层（末尾有两个或三个密集层），确保最后一个层只有一个单元：

densed（1，activation='sigmoid'）

这将用于“检测”（是/否结果）。

---

但是，如果您的目标是“定位/细分”，那么您应该创建自己版本的U-net或SegNet，例如

VGG16或其他一些预训练神经网络主要用于分类。这意味着您可以使用它来区分图像属于哪个类别

据我所知，你需要的是在图像中检测化油器的位置。对于这样的事情，你需要一个不同的，更复杂的方法

你可以用

• 英伟达
• ,
• 细分网络，如或 赛格网等

---

通过检测，您的意思是指定它是否在图像上，或者您希望在该对象周围放置一个框？通过检测，我的意思仅仅是该对象是否在图像中。不用放盒子了，谢谢。只需注意：我不需要在图中找到化油器的位置。我只是想知道图片中是否有。谢谢，丹尼尔。我更新了我的问题，注意到我想使用“检测”而不是“定位”。