使用Keras进行目标检测：快速R-CNN或YOLO的简单方法

Question

这个问题可能已被回答，但我没有找到一个简单的答案。我创建了一个使用Keras对Simpsons字符进行分类的小网络（dataset here）。
我有20个类，并提供一个图像作为输入，我返回字符名称。这很简单。我的数据集包含图片中带有主要字符的图片，并且只有字符的名称作为标签。

现在我想添加一个对象检测问题，即在图片中的字符周围绘制边界框并预测它是哪个字符。我不想使用滑动窗口，因为它非常慢。所以我想过使用更快的RCNN（github repo）或YOLO（github repo）。我是否必须为每个训练集的图片添加边界框的坐标？有没有办法做对象检测（并在我的测试中获得边界框）而不给出训练集的坐标？总之，我想创建一个简单的对象检测模型，我不知道是否有可能创建一个更简单的YOLO或更快的RCNN。

非常感谢您的帮助。

Answer 1

yolo或更快rcnn的目标是获取边界框。所以，简而言之，是的，你需要标记数据来训练它。

走了一条捷径：

• 1）标签包围的箱子极少数（可以说每5个字符）。
• 2）在非常小的数据集上训练更快的rcnn或yolo。
• 3）对整个数据集运行你的模型
• 4）它会得到一些权利，得到很多错误。 5）训练正确有界的训练集，你的训练集现在应该更大。
• 6）重复，直到你有你想要的结果。

Answer 2

您可能心中已经有了合适的架构已经：“现在，我想补充的目标检测问即得出各地的图片字符的边框，并预测它是字符”

所以你就分成两个部分任务：
1.添加对象检测器，用于检测人使用你已经受过训练

的convnet对于部分1，你SH返回边框
2.分类边界框通过在顶部使用物体检测器（仍然是YOLO和Faster-RCNN）来检测人物，可以使用特征检测器（例如COCO或Imagenet上预处理的convnet）。 但是，您可能会发现“漫画”（假设辛普森一家是人）的人没有被正确识别，因为特征探测器没有在基于卡通的图像上训练，而是在真实图像上训练。在这种情况下，根据transfer learning方法学，您可以尝试重新训练卡通图片上的几个特征检测器以学习卡通特征。