估计给定单个图像的对象数量

Question

我正在寻找一种方法来估计柠檬的数量，如下图所示。

我想知道这个问题是否可以建模为回归问题，如果可以的话，什么是实现它的好选择。 请注意，我不是在寻找检测每个柠檬，只是估计有多少柠檬。

第一次尝试，我尝试使用 tensorflow 训练一个深层多层 CNN，最后一层有一个神经元。 不幸的是，我没有得到很好的结果。

Answer 1

您可以使用预训练的 MaskRCNN model 并计算生成的不同掩码的数量，其中每个掩码对应一个柠檬。

或者，您也可以使用基于 FasterRCNN 的预训练 model。 它将为可能的柠檬生成边界框预测，您需要使用非最大抑制过滤掉重叠的边界框。

另一种方法是使用预训练的图像分割 model 并用柠檬训练一个。 此外，在这种情况下，由于没有一个正确的值，而是可以接受一系列值，我建议添加一个加权损失，如果预测远离基本事实，损失惩罚会高得多。更近了。

例如，如果照片中柠檬的实际数量是 60，并且您的 model 预测 55 在可接受的误差范围内，则通过应用小惩罚（例如 0.5）来惩罚预测。 同样，如果预测值为 40，与实际预测相差甚远，则应用 5 的惩罚。这种惩罚会强制 model 产生可接受范围内的预测，之后您可以进一步微调 model 以改进预测。

另一种方法是将图像划分为多个相同尺寸的不同盒子，柠檬数量较少，并训练在这些盒子上运行良好的 model。 我相信您的 model 在柠檬数量较多时会感到困惑，它应该在较小的图像上更快地学习和收敛。 然后，您将结果汇总在一起，并带有一定的误差范围。