使用CNN预测图像中的多个圆的半径

Question

我正在尝试使用卷积神经网络来计算图像中圆的半径。 我只有图像作为输入，而半径在输出侧，所以映射是[image]-> [circus of circle]。

输入维度和神经网络架构如下：

from tensorflow.keras import layers
from tensorflow.keras import Model
img_input = layers.Input(shape=(imgsize, imgsize, 1))

x = layers.Conv2D(16, (3,3), activation='relu', strides =1, padding = 'same')(img_input)
x = layers.Conv2D(32, (3,3), activation='relu', strides = 2)(x)
x = layers.Conv2D(128, (3,3), activation='relu', strides = 2)(x)
x = layers.MaxPool2D(pool_size=2)(x)

x = layers.Conv2D(circle_per_box, 1, activation='linear', strides = 2)(x)

output = layers.Flatten()(x)
model_CNN = Model(img_input, output)
model_CNN.summary()

model_CNN.compile(loss='mean_squared_error',optimizer= 'adam', metrics=['mse'])



X_train, X_test, Y_train, Y_test = train_test_split(image, radii, test_size=0.2, random_state=0)
print(X_train.shape, X_test.shape, Y_train.shape, Y_test.shape)

(8000, 12, 12, 1) (2000, 12, 12, 1) (8000, 1) (2000, 1)

Y_train
array([[1.01003947],
       [1.32057104],
       [0.34507285],
       ...,
       [1.53130402],
       [0.69527609],
       [1.85973669]])

如果我为每张图片计算一个圆圈，则会得到可靠的结果：

每个图像有更多的圆圈（请参见图像），但是，相同的网络崩溃了，我得到以下结果：

Y.train的形状连续2圈显示为：

Y_train.shape
(10000, 2)

Y.train
array([[1.81214007, 0.68388911],
       [1.47920612, 1.04222943],
       [1.90827465, 1.43238623],
       ...,
       [1.40865229, 1.65726638],
       [0.52878558, 1.94234548],
       [1.57923437, 1.19544775]])

为什么神经网络以这种方式运行？ 如上所述，如果我尝试分别计算图像中两个生成的圆的半径，我将再次获得良好的结果，但是如果图像中同时存在两个圆，则不会得到很好的结果。

有人有什么想法/建议吗？