使用Keras进行物体检测：更快的R-CNN或YOLO的简单方法

Question

这个问题可能已得到解答，但我没有找到一个简单的答案。我使用Keras创建了一个回旋网来对“辛普森一家”字符进行分类（dataset here） 我有20个类并给出一个图像作为输入，我返回字符名称。这很简单。我的数据集包含图片中主要字符的图片，并且只有字符的名称作为标签。

现在我想添加一个物体检测请求，即在图片中的字符周围绘制一个边界框并预测它是哪个字符。我不想使用滑动窗口，因为它真的很慢。所以我考虑使用更快的RCNN（github repo）或YOLO（github repo）。我是否应该为训练集的每张图片添加边界框的坐标？有没有办法在没有给出训练集的坐标的情况下进行物体检测（并在我的测试中得到边界框）？

总而言之，我想创建一个简单的对象检测模型，我不知道是否可以创建更简单的YOLO或更快的RCNN。

非常感谢您的帮助。

Answer 1

yolo或更快的rcnn的目标是获得边界框。简而言之，是的，您需要标记数据以进行训练。

快捷方式：

• 1）标记一些边界框（假设每个字符5个）。
• 2）在非常小的数据集上训练更快的rcnn或yolo。
• 3）针对完整数据集运行模型
• 4）它会得到一些正确的，很多错误。
• 5）训练更快的rcnn对正确有界的rcnn，你的 训练集现在应该大得多。
• 6）重复，直到获得理想的结果。

Answer 2

您可能已经考虑过了一个合适的架构：“现在我想添加一个对象检测问题，即在图片中的字符周围绘制一个边界框并预测它是哪个字符。”

所以你只需将任务分成两部分：
 1.添加用于人物检测的物体检测器以返回边界框
 2.使用您已经训练过的信封来分类边界框

对于第1部分，您最好使用特征检测器（例如在COCO或Imagenet上预先训练的一个预先确定的陀螺），并在顶部使用物体检测器（仍为YOLO和Faster-RCNN）来检测人物。 但是，您可能会发现“漫画”中的人（假设辛普森一家是人）没有被正确识别，因为特征探测器不是基于卡通图像而是基于真实图像的训练。在这种情况下，您可以尝试重新训练卡通图片上的几层特征检测器，以便根据transfer learning方法学习卡通特征。