我有图像数据集（24 x 24）。我想为每个图像中的每个对象预测@Override
protected void onDestroy() {
// TODO Auto-generated method stub
super.onDestroy();
clearApplicationData();
}
public void clearApplicationData() {
File cache = getCacheDir();
File appDir = new File(cache.getParent());
if (appDir.exists()) {
String[] children = appDir.list();
for (String s : children) {
if (!s.equals("lib")) {
deleteDir(new File(appDir, s));
Log.i("EEEEEERRRRRRROOOOOOORRRR", "**************** File /data/data/APP_PACKAGE/" + s + " DELETED *******************");
}
}
}
}
public static boolean deleteDir(File dir) {
if (dir != null && dir.isDirectory()) {
String[] children = dir.list();
for (int i = 0; i < children.length; i++) {
boolean success = deleteDir(new File(dir, children[i]));
if (!success) {
return false;
}
}
}
return dir.delete();
}
和center_x。我有一个文件，其中包含图像中每个对象的center_y和center_x。
每个图像中的对象数小于或等于2。
我试图在最后一层使用具有“线性”激活功能的卷积神经网络解决此问题，但效果并不理想。
center_y输出：
model = Sequential()
model.add(Conv2D(80, 3 ,activation='relu',input_shape=(24,24,3)))
model.add(Conv2D(64,3 , activation='relu' ))
model.add(MaxPool2D(2,2))
model.add(Conv2D(64,3 , activation='relu' ))
model.add(MaxPool2D(2,2))
model.add(Conv2D(128,1 , activation='relu' ))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(4, activation = 'linear'))
如果图像中有一个对象，则输出为：[value_x，value_y，0,0]
如果图像中有两个对象，则 输出将是：[value_x，value_y，value_x2，value_y2]
该问题如何解决？