Tensorflow - トレーニングされたsoftmax分類モデルで複数のオブジェクトを検出

Question

標準のSVHNクロッピング数字データセットを使用して、テストセットで89.89％の精度で10桁の数字に分類されるモデルを生成しました。私は画像上の複数の数字を検出したいと思います。 （例えば、自動車登録プレート上の数字）これをどうやって行うのですか？複数の画像を検出するためにモデルを再学習する必要がありますか？

#conv1 
W_conv1 = weight_variable([5, 5, 1, 32]) 
b_conv1 = bias_variable([32]) 
x_image = tf.reshape(x, [-1,32,32,1]) 
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) 
h_pool1 = max_pool_2x2(h_conv1) 

#conv2 
W_conv2 = weight_variable([5, 5, 32, 64]) 
b_conv2 = bias_variable([64]) 
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) 
h_pool2 = max_pool_2x2(h_conv2) 

#Densely 
W_fc1 = weight_variable([8 * 8 * 64, 1024]) 
b_fc1 = bias_variable([1024]) 

h_pool2_flat = tf.reshape(h_pool2, [-1, 8*8*64]) 
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1) 

#Dropout 
keep_prob = tf.placeholder(tf.float32) 
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) 

#Readout 
W_fc2 = weight_variable([1024, 10]) 
b_fc2 = bias_variable([10]) 
y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2 

#Train 
cross_entropy = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv)) 
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) 
correct_prediction = tf.equal(tf.argmax(y_conv,1), tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
sess.run(tf.global_variables_initializer()) 
for i in range(40000): 
    batch = shvn_data.nextbatch(100) 
    if i%100 == 0: 
    train_accuracy = accuracy.eval(feed_dict={ 
     x:batch[0], y_: batch[1], keep_prob: 1.0}) 
    print("step %d, training accuracy %f"%(i, train_accuracy)) 
    train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5}) 

私のコードはhttps://www.tensorflow.org/get_started/mnist/prosから変更されました。私のコードはここにあります：https://github.com/limwenyao/ComputerVision/blob/testing/CNN_MNIST.py#L216

Answer 1

ネットの周りにストライドシステムをラップします。それで、あなたは車のプレートであなたのイメージを撮り、より多くの小さなイメージに切り取り、小さいイメージのそれぞれで数字の検出を実行し、見つかった数字を記録し、最後にそれらをまとめてあなたのプレート番号を表示します。

ナンバープレート画像をより小さな画像にカットするこのプロセスは、通常、訓練されたネットでもあります。だから、2つのネットを持っているでしょう：

• 一つは、私たちは、外部リンクをたどることはありませんが、ここにコードを追加し、各カットのサブイメージから