باینری کلاسیفیکیشن در دیپ لرنینگ

Question

با سلام
میخاستم باینری کلاسفیکیشن کار کنم اینکه قبلا میومدن فیچرهای تصاویر رو استخراج میکردن (مثلا با HOG) بعدش میدادن به یک کلاسیفایر مثلا svm و بعدش میدادن به یه الگوریتمی مثله optical flow که جای اون شی مد نظر رو تشخیص میداد در تصاویر بزرگ .
الان با دیپ لرنینگ که بخاهم کار کنم کدوم قسمت جز دیپ لرنینگ محسوب میشود ؟ و اینکه تصاویر من بزرگ باشه فرضا اون شی مد نظر در یک قسمت از تصاویر باشه باید موقع آموزش اون قسمت ها رو برش داد یا اینکه با همون تصاویر بزرگ فیچر اکسترکت میکنیم؟

Answer 1

شما می تونید کل سیستم رو با deep learning انجام بدید، یعنی کل تصویر رو به صورت RGB به شبکه بدین و استخراج ویژگی و دسته بندی و همه چیز با deep learning انجام بشه که مقاله های زیادی در این زمینه هست.
همچنین بعضی از مقاله ها فقط برای استخراج ویژگی از deep learning استفاده کردند و مثلا از معماری های معروف مثل alexnet که استفاده کردند فقط تا جای خاصی از شبکه رو استفاده کردند و ویژگی های به دست آمده رو با یک دسته بندی کننده دیگه مثل svm یا درخت تصمیم دسته بندی کردند.
اگر هم استخراج ویژگی رو دستی انجام بدین ( مثلا hog) می شه با شبکه عصبی دسته بندی کرد که بیشتر شبیه مسائل قدیمی تر شبکه عصبی می شه.
البته این ها که نوشتم حالات کلی بود. مقالاتی هم هستند که هم از ویژگی های مثل hog و هم از ویژگی های deep learning استفاده می کنند و یا برای دسته بندی به صورت ترکیبی کار می کنند.
در مورد تصویر بزرگ یا کوچک هم من هر دو مورد رو دیدم که با deep learning کار می کنند. بستگی به مسئله خاصتون می تونه داشته باشه. پیشنهاد می کنم مقاله های زمینه کاریتون رو بررسی کنید ببینین چی کار کردن.

Answer 2

yolo object detection رو توی گوگل سرچ کنید. یک روش کاملا end to end هست. قبلا برای تشخیص شی در تصویر ابتدا به صورت رندم در تصویر باکس هایی تولید میشد سپس این باکس ها وارد شبکه شده و برچسب باکس مورد نظر تعیین میشد. این کار خیلی زمان بر بود چون تعداد باکس های خیلی زیادی تولید میشدند. اما در روش yolo تصویر وارد شبکه شده و جای اشیا توی تصویر با تابع رگرسیون مشخص میشند.

Answer 3

سلام
پاسخ های خوبی دوستان دادن من هم در تکمیل صحبتهاشون موارد زیر رو اضافه میکنم .
1.شما میتونید از دیپ لرنینگ برای feature extraction استفاده کنید
2.اگر نیازمند این هستید که از optical flow استفاده بشه میتونید optical flow رو با دیپ لرنینگ انجام بدید (لینک )
3.اگر بدنبال object detection باشید پاسخ جناب sayyad چیزی هست که دنبالش هستید. و اینجا رو هم ببنید
4.تصاویر بزرگتر باشن بهتره معمولا
5.نیازی به برش دادن بخشی هایی از تصاویر نیست. کل تصویر رو بعنوان ورودی استفاده میکنید.