使用卷积神经网络进行回归任务

Question

我正在尝试使用卷积神经网络检测射击目标中的子弹。该图像为标准射击目标。

数据集由9216张大小为96x96的图像组成，并且图像中只有一个子弹。我用弹孔中心的(x,y)标记每张图像。我还标准化了图像。

模型是这样的:

 model = Sequential()
 model.add(Convolution2D(32, 3, 3, 
                    input_shape=(3,96, 96)))
 model.add(Activation('relu'))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Convolution2D(64, 2, 2))
 model.add(Activation('relu'))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Convolution2D(128, 2, 2))
 model.add(MaxPooling2D(pool_size=(2, 2)))
 model.add(Flatten())
 model.add(Dense(2))
 model.compile(loss='mean_squared_error', optimizer='rmsprop')

模型总是围绕图像的中心收敛。

任何建议吗?

Answer 1

在每个卷积层之后进行池化。我不认为这会让它学习到任何合理的特征，尤其是在输入附近。从我所看到的一些模型来看，在开始进行任何池化操作之前，最好有一些卷积层。