在CNN图像识别中处理被遮挡的对象

Question

我试图找到处理Tensorflow CNN图像识别项目的遮挡对象的方法。底层对象大多是可见的，但类似的对象经常交叉。大多数交叉点实际上都是十字形（但并非总是如此）。想想在桌子上扔一堆弯曲的牙签或电线。可能的优点：大多数物体具有相似的结构，但具有各种尺寸和各种弯曲。

这是否需要某种预处理步骤，还是可以通过CNN内的某些过程严格处理？我可以通过Sobel / Canny /其他方式获得对象的轮廓。问题是我是否可以避免编写繁琐的手工编码函数来分离对象。

对已知作品或论文的任何想法或参考表示赞赏！

Answer 1

查看CNN的基本结构：在第一层中，您有许多描述可能的本地特征的地图。由于物体重叠是有限的，您仍然会从非重叠部分获得强信号。后续层应该能够对其进行处理，特别是如果他们已经接受了这种重叠的训练。

显然，你需要接受培训。 CNN不知道对象是什么的先验，因此区分VV和W取决于网络是否使用W进行训练。如果网络从未见过W但只看到V，那么W将被识别为VV。