Python 机器学习CNN：通过位置而不是图像本身进行识别
我有一个二元分类问题，我需要找到某个东西的相对位置。我有一个非常小的个人数据集，很难找到一个更大的。我试图确定对象的位置，例如一个圆，它将产生一个“是”或“否”的答案。当我运行我的训练样本时，我可以产生接近100%的准确度，但一旦我引入测试样本，它们的得分在30-60%之间非常差 然而，据我所知，CNN将识别对象，而不是对象的位置。例如，如果您正在搜索一个球体，它在哪里并不重要，只要它标识描述球体的特征即可Python 机器学习CNN：通过位置而不是图像本身进行识别,python,machine-learning,keras,conv-neural-network,Python,Machine Learning,Keras,Conv Neural Network,我有一个二元分类问题，我需要找到某个东西的相对位置。我有一个非常小的个人数据集，很难找到一个更大的。我试图确定对象的位置，例如一个圆，它将产生一个“是”或“否”的答案。当我运行我的训练样本时，我可以产生接近100%的准确度，但一旦我引入测试样本，它们的得分在30-60%之间非常差 然而，据我所知，CNN将识别对象，而不是对象的位置。例如，如果您正在搜索一个球体，它在哪里并不重要，只要它标识描述球体的特征即可 有没有一种方法可以调整我的算法来搜索位置而不是对象本身？是的，有几种方法可以做到这一点。
有没有一种方法可以调整我的算法来搜索位置而不是对象本身？是的，有几种方法可以做到这一点。一种非常简单（简单的基线）的方法是预测值的网格，而不是单个数字的存在/不存在。 例如，您可以创建一个标记集；将图像拆分为方框网格，并将包含所需对象（圆）的所有方框标记为1，其他方框标记为0 当然，有更好的方法来做到这一点；查找图像分割
他们做物体检测和分割，即在检测到的物体周围画一个边界框。框的坐标将告诉您对象在图像中的相对位置非常感谢！这些信息正是我所需要的！伟大的既然我的答案很有用，你能支持我吗