使用卷积神经网络进行回归任务

Question

我正在尝试使用卷积神经网络检测射击目标中的子弹。 图像是标准拍摄目标。

数据集由9216个大小为96x96的图像组成，图像中只有一个子弹。我用弹孔中心的（x，y）标记每个图像。我也对图像进行了标准化。

该模型如下所示：

 model = Sequential()
 model.add(Convolution2D(32, 3, 3, 
                    input_shape=(3,96, 96)))
 model.add(Activation('relu'))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Convolution2D(64, 2, 2))
 model.add(Activation('relu'))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Convolution2D(128, 2, 2))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Flatten())
 model.add(Dense(2))
 model.compile(loss='mean_squared_error', optimizer='rmsprop')

模型总是围绕图像的中心收敛..

有什么建议吗？

Answer 1

您在每个卷积层之后汇集。我不认为这会让它学习任何合理的功能，特别是在输入附近。从我看到的一些模型中，在进行任何池化操作之前，最好在开始时使用一些卷积层。