卷积神经网络全连接层转换为卷积层获得heatmap

理论部分

转自 http://blog.csdn.net/u010668083/article/details/46650877

卷积神经网络全连接层转换为卷积层获得heatmap_第1张图片

卷积神经网络全连接层转换为卷积层获得heatmap_第2张图片

卷积神经网络全连接层转换为卷积层获得heatmap_第3张图片

卷积神经网络全连接层转换为卷积层获得heatmap_第4张图片


实验部分

全连接层换卷积层的出处大约是yahoo的一篇论文“Multi-view Face Detection Using Deep Convolutional Neural Networks”。

论文使用 AlexNet 为基础 fine-tuning 后的网络作为人脸分类器,在检测时将网络中的全连接层改为卷积层,获得的输出即为每个点(下采样后)属于人脸的概率,按照一定阈值筛选后将每个点恢复到原始图像的尺寸可以得到一个矩形区域,然后用OpenCV中groupRectangles的方法对矩形区域进行聚类和删除。

在实验中我发现,

1. 改为卷积层的网络对同一张图片,每次得到的heatmap是有差别的。按说model固定了结果应该是一定的。

2. 对一张待检测的图片,需要对其变化尺寸(因为分类器针对的尺寸是固定的,在这里为227*227),这样检测效率还是会比较低。



你可能感兴趣的:(机器学习)