8_11《深度学习500问》网络进阶
发表评论
403 views

第八章 目标检测

Two Stage 目标检测模型（效果好，但速度相对慢）：

  • R-CNN：R-CNN系列的第一代算法，结合了传统的“计算机视觉”知识；将预训练模型（比如CNN）的隐藏层输出作为图像特征，特征输入支持向量机用于预测分类，图像特征+候选边界框输入线性回归模型用于预测真实边界框
  • Fast R-CNN：基于R-CNN和SPPnets进行的改进；1. 只对整幅图像进行一次特征提取，避免R-CNN中的冗余特征提取 2. 用RoI pooling（兴趣区域池化）层替换最后一层的max pooling层， 并引入目标候选框 3. 端到端训练，同时输出分类和回归结果 4. SVD 分解减少计算量
  • Faster R-CNN：提出RPN（region proposal network）网络替代之前复杂的目标候选框的搜索过程，在保证目标检测精度的同时，减少目标候选框的生成量
  • FPN：在Faster R-CNN网络上加上了额外的跨层连接，每一层的 feature map 都融合了不同分辨率、不同语义强度的特征；提高了针对小物体（small object）的检测性能
  • Mask R-CNN：Backbone 是 ResNeXt-101+FPN；提出了RoI Align层以取代Faster R-CNN的RoI pooling层，更好地保留特征图上的空间信息，从而更适于像素级预测
  • DetNet：针对检测专用的backbone做一些讨论和研究
  • CBNet：经典网络（ResNet，ResNeXt等）的多模型特征融合

One Stage 目标检测模型（速度快，但效果一般）：

  • SSD：使用 VGG16 网络作为特征提取器（和 Faster R-CNN 一样），将后面的全连接层替换成卷积层，最后直接采用卷积进行目标检测（预测类别和边界框）
  • DSSD：将 Backbone 替换为 ResNet网络来增强特征提取能力；利用 Deconvolution结构来关联不同层级之间的图像语义，解决SSD算法检测小目标困难的问题
  • YOLO v1：One Stage 的开山之作，将目标检测任务直接当作回归问题
  • YOLO v2：在 YOLO v1 的基础上引入了联合训练算法（引入两种数据集分别进行分类和位置预测的学习）、批量归一化（BN）、高分辨率图像微调、预设尺寸组的锚框、多尺度图像训练等技巧，在精准度和运行效率方面均有显著提高
  • YOLO 9000：在YOLOv2的基础上的联合训练，可以检测超过9000个类别
  • YOLO v3：使用残差模型（DarkNet-53），进一步加深了网络结构；使用FPN架构从不同尺度提取图像特征；用逻辑回归替代softmax作为分类器
  • RetinaNet：提出 Focal Loss 解决类别不平衡问题，聚焦困难样本（hard examples）上的训练
  • RFBNet：通过多尺度的多分支卷积+空洞卷积，平衡轻量级模型的运行速度和精度
  • M2Det：提出多层次特征金字塔网络（MLFPN）来构建特征，适用于检测不同尺度的对象

目标检测的常用数据集：PASCAL VOC（20类别）、MS COCO（80类别）、Google Open Image（190W+600类别）、ImageNet（1400w+2w类别）、DOTA（遥感航空图像）

目标检测常用标注工具：LabelImg、labelme、Labelbox、RectLabel、CVAT、VIA

第九章 图像分割

  • FCN与CNN的区别在于把最后的全连接层换成卷积层（局部连接+参数共享），后接 softmax 层获得每个像素点的分类信息，从而解决了分割问题
  • DeepLab v1：结合了深度卷积神经网络（DCNNs）和概率图模型（DenseCRFs）
  • DeepLab v2：使用空洞卷积取代部分下采样，改善特征的分辨率；多个 MLP 结合多尺度特征来多识别物体的多尺度；采样全连接的 CRF 来增强模型捕捉细节的能力
  • DeepLab v3：采用多比例的带孔卷积级联或并行来捕获多尺度背景

其他：略（部分内容和上一章重合）

第十章 强化学习

  • 除了上述深度强化学习算法，还有深度迁移强化学习、分层深度强化学习、深度记忆强化学习以及多智能体强化学习等算法。

第十一章 迁移学习

本章绝大部分内容均来自《迁移学习简明手册》

迁移学习的核心是：找到源领域和目标领域之间的相似性，并加以合理利用

源域 (Source domain)：已有知识的域；目标域 (Target domain)：要进行学习的域

迁移学习的分类：

  1. 按特征空间分类
    • 同构迁移学习（Homogeneous TL）： 源域和目标域的特征空间相同，$D_s=D_t$
    • 异构迁移学习（Heterogeneous TL）：源域和目标域的特征空间不同，$D_s\ne D_t$
  2. 按迁移情景分类
    • 归纳式迁移学习（Inductive TL）：源域和目标域的学习任务不同
    • 直推式迁移学习（Transductive TL)：源域和目标域不同，学习任务相同
    • 无监督迁移学习（Unsupervised TL)：源域和目标域均没有标签
  3. 按迁移方法分类
    • 基于实例的迁移 (Instance based TL)：通过权重重用源域和目标域的样例进行迁移
    • 基于特征的迁移 (Feature based TL)：将源域和目标域的特征变换到相同空间
    • 基于模型的迁移 (Parameter based TL)：利用源域和目标域的参数共享模型
    • 基于关系的迁移 (Relation based TL)：利用源域中的逻辑网络关系进行迁移

负迁移(Negative Transfer)：在源域上学习到的知识，对目标域上的学习产生负面作用

迁移学习的基本方法：

  • 基于样本的迁移学习方法：根据一定的权重生成规则，对数据样本进行重用，来进行迁移学习（从动物识别到猫狗识别->增大猫狗的样本权重）
  • 基于特征的迁移方法：通过特征变换的方式互相迁移来减少源域和目标域之间的差距；或者将源域和目标域的数据特征变换到统一特征空间，然后通过机器学习方法进行分类识别
  • 基于模型的迁移方法：从源域和目标域中找到他们之间共享的参数信息，以实现迁移（假设条件： 源域中的数据与目标域中的数据可以共享一些模型的参数）
  • 基于关系的迁移学习方法：关注源域和目标域的样本之间的关系（上课 vs 开会）

SGF 流形迁移学习：

  • 把源域和目标域分别看成高维空间 (即Grassmann流形)中的两个点，在这两个点的测地线距离上取d个中间点，然后依次连接起来。这样源域和目标域就构成了一条测地线的路径
  • 核心思想：只需要找到合适的每一步的变换，就能从源域变换到目标域
  • 技巧1：通过核学习的方法利用路径上的无穷个点的积分，确定中间点的个数d
  • 技巧2：提出Rank of Domain度量，找出跟目标域最近的源域（多个源域的选择）

往年同期文章