ニューラルネットワークを使って部屋にどのように多くの家具を置くかを決めるにはどうすればいいですか？

Question

私はルームデザインに関するいくつかの問題に取り組んでいます。私は部屋のデザインサンプルがたくさんあり、これらのサンプルを勉強して新しいデザインを作りたいと思っています。最初の問題は、どのような種類の家具をいくつの部屋に入れるかを決めることです。

特定のデザインサンプルについて、私はそのルーム機能を知っています。ベッドルームまたはリビングルーム。私はまた、この部屋の異なるカテゴリーの家具の数を数えることができます。たとえば、ソファー1台、ティーテーブル1台、椅子2台などです。

私は入力が部屋の機能のワンホットエンコーディングであり、その出力がその部屋の異なるカテゴリの家具の数を表すベクトルであるニューラルネットワークを構築しました。したがって、このネットワークは教師あり学習で訓練することができます。しかし、ニューラルネットワークの問題は、固定入力の場合、固定出力のみを与えること、すなわち、同一機能の部屋に対して、常に同じセットの家具番号を与えることである。ニューラルネットワークに確率論を導入する方法はありますか？

私はこれまでに、回答で示唆されたhttps://www.quora.com/What-is-a-stochastic-neural-network-and-how-does-it-differ-from-a-deterministic-oneと論文http://www.cs.toronto.edu/~tang/papers/sfnn.pdfに出くわしましたが、この論文で言及されている確率的ニューラルネットワークは、深く簡単に実装できるほとんどのニューラルネットワークとは異なり、 TorchやTensorflowのような学習ライブラリ

Answer 1

シーン内のオブジェクトの数を数えることは、通常のニューラルネットワークを使用して、スライドウィンドウアプローチを使用して行うことができます。https://arxiv.org/pdf/1312.6229.pdf。

ここでは回帰分析と分類ネットワークが使用されています。分類ネットワークは、あなたがしたようにワンホットエンコーディングで訓練されています。退行者は、オブジェクトの境界を見つけるために使用されます。この論文では、これは、分類ネットワークの出力によって回帰ネットワークにペナルティを課すことによって行われる。次に、回帰ネットワークによって生成されたオブジェクト境界を使用して、シーン内のオブジェクトを予測する。

上記のレスポンスは、別の問題を解決します。

私が行うのは、Generative Adversarial Networks（http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf）に基づくアプローチです。確率的要素をネットワークに導入するために、ランダム変数のベクトルを入力に追加します。生成器は、入力ベクトルと確率的入力に基づいて新しいルーム評価を生成するが、弁別子は、確率的成分のない出力と入力に基づいて、良好な割り当てと悪い割り当てとを区別する。これは、ランダム変数を使用して出力を制御できるワンホットエンコーディング用のジェネレータに収束する必要があります。