如何为小物体选择合适的CNN模型?
How to choose the right CNN model for small objects?
对于小对象(如黑麦)分割,您会选择哪种模型?我发现了许多最先进的 DL 模型,在为此类对象选择 CNN 模型时最佳实践是什么?
检查 CNN 模型时,一个关键 属性 您应该查看它们的 receptive field:即影响输出特征中计算值的输入图像区域的大小。
大感受野意味着每个特征都受到大图像区域的影响,“看到”更广泛的上下文,并且可以推理图像中的大对象。
另一方面,小的感受野意味着每个特征只能“看到”一个小的图像区域,它不受“上下文”的影响,更倾向于观察图像中的细节。
因此,如果您的目标是精确定位图像中的小元素,您可以考虑使用具有小感受野的 CNN。
例如,在 Zamir 等人“Segmenting microcalcifications in mammograms and its applications”(SPIE 2021)中,目标是定位微小乳房 X 线照片中的残留物,因此作者选择使用感受野特别小的 CNN。
他们还表明,使用具有较大接受域的“经典”CNN 会损害此特定任务的性能。
对于小对象(如黑麦)分割,您会选择哪种模型?我发现了许多最先进的 DL 模型,在为此类对象选择 CNN 模型时最佳实践是什么?
检查 CNN 模型时,一个关键 属性 您应该查看它们的 receptive field:即影响输出特征中计算值的输入图像区域的大小。
大感受野意味着每个特征都受到大图像区域的影响,“看到”更广泛的上下文,并且可以推理图像中的大对象。
另一方面,小的感受野意味着每个特征只能“看到”一个小的图像区域,它不受“上下文”的影响,更倾向于观察图像中的细节。
因此,如果您的目标是精确定位图像中的小元素,您可以考虑使用具有小感受野的 CNN。
例如,在 Zamir 等人“Segmenting microcalcifications in mammograms and its applications”(SPIE 2021)中,目标是定位微小乳房 X 线照片中的残留物,因此作者选择使用感受野特别小的 CNN。 他们还表明,使用具有较大接受域的“经典”CNN 会损害此特定任务的性能。