Per quanto ne so, la CNN si affida alle tecniche della finestra scorrevole e può solo indicare se un determinato schema è presente o meno in un determinato riquadro di delimitazione. È vero?La rete neurale convoluzionale possiede capacità di localizzazione sulle immagini?
Si può raggiungere la localizzazione con la CNN senza l'aiuto di tali tecniche?
Questo è un problema aperto nel riconoscimento di immagini. Oltre alle finestre scorrevoli, gli approcci esistenti includono la previsione della posizione dell'oggetto nell'immagine come uscita CNN, la previsione dei bordi (classificando i pixel come appartenenti al limite dell'immagine o meno) e così via. Vedi ad esempio this paper e riferimenti in esso.
Si noti inoltre che con la CNN che utilizza il max-pooling, è possibile identificare le posizioni dei rilevatori di caratteristiche che hanno contribuito al riconoscimento dell'oggetto e utilizzarlo per suggerire la possibile regione di posizione dell'oggetto.
Ci sono alcune tecniche recenti per localizzare gli oggetti in CNN. Vedere questo documento http://cnnlocalization.csail.mit.edu/Zhou_Learning_Deep_Features_CVPR_2016_paper.pdf
Esso utilizza uno strato denominato Global Average Pooling (GAP) e senza alcun lavoro aggiuntivo, la CNN può localizzare l'oggetto che riconosce.
checkout Anche questo veramente buono post del blog: https://alexisbcook.github.io/2017/global-average-pooling-layers-for-object-localization/
Grazie per la risposta! –