क्या हम वस्तु का पता लगाने के लिए एक दृढ़ तंत्रिका नेटवर्क के इनपुट के रूप में परिवर्तनशील आकार के साथ चित्र दे सकते हैं? यदि संभव हो, तो हम ऐसा कैसे कर सकते हैं?
लेकिन अगर हम छवि को क्रॉप करने की कोशिश करते हैं, तो हम छवि के कुछ हिस्से को खो देंगे और यदि हम आकार बदलने की कोशिश करेंगे, तो, छवि की स्पष्टता खो जाएगी। क्या इसका मतलब यह है कि अंतर्निहित नेटवर्क संपत्ति का उपयोग करना सबसे अच्छा है अगर छवि स्पष्टता विचार का मुख्य बिंदु है?
जवाबों:
इसे करने के कई तरीके हैं। इनमें से अधिकांश स्टैकऑवरफ्लो, क्वोरा और अन्य सामग्री वेबसाइटों पर पहले ही कई पदों पर आच्छादित हो चुके हैं।
संक्षेप में, सूचीबद्ध अधिकांश तकनीकों को समाधान के दो वर्गों में वर्गीकृत किया जा सकता है, अर्थात्।
परिवर्तनों में, कोई इस तरह की तकनीकों को देख सकता है
एक नेटवर्क में भी देख सकते हैं कि परत व्यवहार के आधार पर इनपुट के आकार के लिए प्रतिरक्षा गुण होना स्वाभाविक है जो नेटवर्क बनाता है। इस के उदाहरण के संदर्भ में पाया जा सकता है,
पूरी तरह से कन्वेन्शनल नेटवर्क (FCN) , जिसमें इनपुट आकार की कोई सीमा नहीं है क्योंकि एक बार कर्नेल और स्टेप साइज का वर्णन करने के बाद, प्रत्येक लेयर पर कनवल्शन इसी इनपुट के अनुसार उचित आयाम आउटपुट उत्पन्न कर सकता है।
स्थानिक पिरामिड पूलिंग (एसपीपी) , FCNs एक पूरी तरह से जुड़ा हुआ सघन परत नहीं है और इसलिए छवि का आकार करने के लिए नास्तिक हैं, लेकिन कहते हैं कि अगर एक इनपुट परिवर्तनों पर विचार किए बिना सघन परत का उपयोग करना चाहता है, तो वहाँ एक दिलचस्प बात यह है कागज कि में परत बताते हैं एक गहरा सीखने का नेटवर्क।
पुनश्च मैं कुछ तकनीकों का हवाला देते हुए चूक गया। यह एक संपूर्ण सूची होने का दावा नहीं कर रहा है।
दृढ़ परतें और पूलिंग परतें स्वयं इनपुट आयामों से स्वतंत्र होती हैं। हालाँकि, कन्वेन्शनल लेयर्स के आउटपुट में अलग-अलग आकार की छवियों के लिए अलग-अलग स्थानिक आकार होंगे, और यह एक समस्या का कारण होगा यदि हमारे पास पूरी तरह से कनेक्टेड लेयर है (चूंकि हमारी पूरी तरह से कनेक्ट की गई परत को एक निश्चित आकार के इनपुट की आवश्यकता है)। इसके कई समाधान हैं:
1. ग्लोबल पूलिंग: कंसिस्टेंट लेयर्स के अंत में पूरी तरह से कनेक्टेड लेयर्स से बचें, और इसके बजाय (N, H, W, C) के आकार से अपने फ़ीचर मैप्स को कम करने के लिए पूलिंग (जैसे ग्लोबल एवरेज पूलिंग) का इस्तेमाल करें (ग्लोबल पूल से पहले) ) आकार (एन, 1,1, सी) (वैश्विक पूल के बाद), जहां के लिए:
एन = संख्या minibatch नमूनों की
एच = विशेषता मानचित्र के स्थानिक ऊंचाई
डब्ल्यू = स्थानिक चौड़ाई विशेषता मानचित्र के
सी = सुविधा नक्शे (चैनलों की संख्या)
के रूप में देखा जा सकता है, आउटपुट आयामीता (एन * सी) अब फीचर मैप्स के स्थानिक आकार (एच, डब्ल्यू) से स्वतंत्र है। वर्गीकरण के मामले में, आप अपनी कक्षाओं के लिए लॉग प्राप्त करने के लिए शीर्ष पर पूरी तरह से कनेक्ट की गई परत का उपयोग करने के लिए आगे बढ़ सकते हैं।
2. चर आकार पूलिंग:विभिन्न इनपुट आकारों के लिए समान सुविधा मानचित्र आकार प्राप्त करने के लिए चर आकार पूलिंग क्षेत्रों का उपयोग करें।
3. फसल / आकार / पैड इनपुट छवियां: आप अपने इनपुट चित्रों को सभी प्रकार के समान करने के लिए पुनर्विक्रय / क्रॉप / पैड कर सकते हैं।
मुझे आज इस समस्या के माध्यम से काम करना था इसलिए मैंने सोचा कि जो काम किया है उसे साझा करूँगा। मैंने पाया है कि वेब पर काफी कुछ "यह सिद्धांत में काम कर सकता है" जवाब और tidbits लेकिन कम से कम एक व्यावहारिक "यहाँ है कि आप इसे कैसे लागू करें"।
Tensorflow Keras का उपयोग करके इसे लागू करने के लिए, मुझे निम्नलिखित कार्य करने थे। शायद कोई और मिल सकता है इनमें से कुछ को संशोधित, आराम से या गिराया जा सकता है।
ध्यान दें कि Model.predict पर कॉल ने प्रदर्शन के बारे में शिकायत की - जो समाधान की अक्षमता को देखते हुए अनिश्चित है - लेकिन यह काम करता है!
हां, बस एक उपयुक्त बैकबोन नेटवर्क का चयन करें जो इनपुट छवि के आकार पर कुछ सटीक मूल्य होने का भरोसा नहीं करता है - अधिकांश नेटवर्क इस मानदंड को पूरा करते हैं।
Flattenपरतों के साथ यह नहीं समझते कि आधुनिक सीएनएन किसी भी आकार की छवियों को कैसे ले सकते हैं।