Python 模型比物体更能识别背景
我用三重态损失函数创建了暹罗模型。 我对它进行了一点测试,注意到当对象很小时,比如图像空间的2/5,模型会匹配具有相似背景的图像,而不是对象。 一些照片是在同一背景下拍摄的,我认为是什么导致了这个问题 有没有办法提取物体?训练模型识别这些物体,忽略背景Python 模型比物体更能识别背景,python,image,tensorflow,image-processing,deep-learning,Python,Image,Tensorflow,Image Processing,Deep Learning,我用三重态损失函数创建了暹罗模型。 我对它进行了一点测试,注意到当对象很小时,比如图像空间的2/5,模型会匹配具有相似背景的图像,而不是对象。 一些照片是在同一背景下拍摄的,我认为是什么导致了这个问题 有没有办法提取物体?训练模型识别这些物体,忽略背景 每个图像的形状为(150、150、3)。您可以尝试使用遮罩进行训练或对图像进行随机裁剪,作为数据增强策略,或者您可以更改模型以获得更精细的卷积。最简单的方法是进行随机裁剪,然后进行训练;这将有助于网络将对象从背景中分离出来。暹罗模型实际上加深了编
每个图像的形状为(150、150、3)。您可以尝试使用遮罩进行训练或对图像进行随机裁剪,作为数据增强策略,或者您可以更改模型以获得更精细的卷积。最简单的方法是进行随机裁剪,然后进行训练;这将有助于网络将对象从背景中分离出来。暹罗模型实际上加深了编码数据的深度,只不过加深了两个编码特征表示之间的匹配,因此它不知道你的集合内对象你提取了对象,而不是它们之间的匹配 例如,如果您构建的模型用于人脸匹配 使用opencv提取面,然后进行匹配