深度学习：物体的识别和检测，以“找椅子”为例

网上看到的一篇文章，讲的感觉比较浅显易懂。其中的细节深入，可以慢慢看。

原文链接  http://news.huahuo.com/44215.html

本文将介绍定义问题的方式，以及我解决问题的方式。

　　目录

　　为什么选择“椅子问题”？

　　问题简单化：在清晰的图像中进行“椅子识别”

　　进一步的挑战：找到椅子的位置

　　一个先进的“对象识别”技术——YOLO概述

　　将YOLO应用于“椅子识别”

　　面临的挑战以及未来将采取的步骤

　　l  为什么选择“椅子问题”？

　　首先我将阐述我为什么想要在一张照片中“数椅子”。

　　在Analytics Vidhya的办公室里，通常会有10到15个人。但到了夏天，实习生们就会“涌入”我们的办公室。所以，如果我们要在夏天开全员大会，我们就必须要从其他房间里拉出所有空的椅子。

　　我是一个特别懒的人，所以我想，有没有一种算法能够直接告诉我们哪间房间有空闲的椅子。这样一来，我们就不用挨个房间找椅子了，省时又省力。

　　这看上去是个再简单不过的问题，但我可以用它来尝试我获得的新技能。深度学习能够解决这个问题吗？老实说，我也不确定深度学习究竟能不能用来解决这一问题，但是试一下总没有坏处，不是吗？

　　问题中需完成的任务

　　既然你已经了解了我们需要解决的问题，那么接下来我会向你介绍我解决问题的过程。我会把这个问题分解为四个不同的任务——

　　假如我们有一个房间的视频资源，那么在视频中有没有出现一把椅子？

　　如果视频中出现了椅子，那么这把椅子在房间的什么位置呢？

　　这把椅子是否被占用了？如果有未被占用的椅子，那么未被占用的椅子数量是多少呢？

　　我们应该从哪间房间里搬空椅子？

　　我决定先解决一个相对简单的问题，然后再尝试解决更复杂的问题。循序渐进，一步步达到我的目标。这也是我将这个问题分解为四个不同的任务的原因。在本文，我将详细介绍前两个任务的完成过程；在后续文章中，我会继续介绍后两个任务的完成过程。

　　问题简单化：在清晰的图像中进行“椅子识别”

　　解决“椅子问题”的第一步，也是最简单的一步，就是判断图片中的房间内是否有椅子。现在，我将这个问题进一步简化——我将网络对视频资源的需求忽略，给网络输入了我拍摄的几张照片。

　　假设我给你两张照片，你能告诉我哪一张照片中有椅子吗？

　　答案是第一张，而你究竟是怎么知道的呢？

　　因为你见过椅子很多很多次了，所以对你来说判断图片里有没有椅子并不难。换言之，你对于现实中的椅子长什么样已经有了了解。同样的，我们可以训练一个神经网络，让网络帮我们完成这个识别的工作。

　　顺便提一下，我们之所以使用神经网络而不用其他的算法，是因为神经网络是在图像处理问题方面最强大、最先进的技术。

　　所以，我将一个经过ImageNet数据集预训练的神经网络应用到这些图像上。

　　但是当我让模型识别图像中的对象时，出现了一个问题——它不能准确地分别图像中的对象。例如，下图是模型针对图像的输出结果。

　　[[('n03179701', 'desk', 0.56483036), ('n03337140', 'file', 0.14689149), ('n04550184', 'wardrobe', 0.03918023)]]

　　它将图片中的“椅子”错误地判断成了“书桌”。这样的结果实在令人很失望，因为书桌和椅子的相似度不高，按理来说是非常容易区分的。

　　解决“椅子还是书桌”的问题

　　正如我在之前的文章中提到的，每当我在建立神经网络时遇到问题，我就会逐步解决这个问题。我会将每个步骤列成一个清单：

　　第一步：检查网络架构

　　第二步：检查神经网络的超参数

　　第三步：检查网络的复杂性

　　第四步：检查输入数据的结构

　　第五步：检查数据的分布

　　在一番检查评估之后，我发现模型的图像输入是不正确的，因为我没有正确地处理图像的纵横比例。所以，为了解决这个问题，我添加了一个自定义代码，该自定义代码之前在GitHub上的一个keras问题中出现过。更新的图像如下图：

　　[[('n02791124', 'barber_chair', 0.77817303), ('n03179701', 'desk', 0.090379775), ('n03337140', 'file', 0.033129346)]]

　　处理完这个问题以后，模型就能开始正常地工作，输出正确的结果了。

　　进一步的挑战：找到椅子的位置

　　现在，我们已经判断出了图像中有一把椅子，那么接下来我们就要识别这把椅子在什么位置。除了这把椅子，我们还要识别出图像中的人。我们需要通过识别这个人来判断这把椅子是否被占用了。这两个任务（任务二和任务三）将有助于我们解决和处理更大的任务，判断作这把椅子是否被占用了。

　　与前面的任务一样，我们将使用一个预训练的网络，这个网络将给我们提供一个可接受的分数。目前，YOLO网络是“对象检测”的最佳模型，它能够实时地展示相当不错的性能。在本文，我对YOLO网络做了简单的介绍。下面，我们来看看如何利用YOLO解决这个问题。

　　使用YOLO进行“椅子检测”

　　在系统中设置YOLO网络，我们可以按照以下简单的步骤：

　　第一步：

　　git clone https://github.com/pjreddie/darknet

　　cd darknet

　　make

　　第二步：

　　wget https://pjreddie.com/media/files/yolo.weights

　　用YOLO来解决我们的问题，你需要输入以下指令，并且提供你自己图像的位置

　　./darknet detect cfg/yolo.cfg yolo.weights ../../data/image.jpg

　　在我们的图像上应用了YOLO之后，我发现其结果非常不错。下面是一些例子：

　　面临的挑战以及未来将采取的步骤

　　虽然开端进展得非常顺利，但是仍然有问题会阻碍这个项目的发展。以下是其中一些问题：

　　问题一：这个YOLO模型还是会出现一些错误，它并不是一个100%正确的模型。比如，在下面的这张图片中，一个垃圾桶竟然被错误地识别成了一个人！

　　问题二：如果在一张图像中，一把椅子挡住了另外一把椅子，算法还能识别出这把被挡住的椅子吗？这是个值得思考的问题。

　　除了这些可能出现的问题之外，还有一些更加实际的细节需要考虑，比如说，算法推荐一个解决方案需要多长时间？算法需要运行什么类型的硬件？等等。这些都是在把算法作为商品出售之前需要考虑和解决的问题。

　　同样，像之前所说的，在这篇文章中只讨论前面两个任务，还没有涉及到后面两个任务。那么，接下来的任务就是计算出房间内的椅子数量，然后建立起一个“端到端”的产品。

　　尾注

　　本文内容涵盖了图像中的“物体检测和识别”，其中的物体就是“椅子”。针对物体识别，我们用了一个简单的预训练的模型来识别图像中的物体。另一方面，针对物体检测，我们使用了YOLO网络——一项非常先进的对象实时检测技术。

　　在后续的文章中，我将介绍如何计算图像中椅子的数量。

　　本文来源于花火网：转载请保留链接，不保留本文链接视为侵权，谢谢合作！