為什么選擇椅子問(wèn)題？
問(wèn)題簡(jiǎn)單化：在清晰的圖像中進(jìn)行椅子識(shí)別
進(jìn)一步的挑戰(zhàn)：找到椅子的位置
一個(gè)先進(jìn)的對(duì)象識(shí)別技術(shù)YOLO概述
將YOLO應(yīng)用于椅子識(shí)別
面臨的挑戰(zhàn)以及未來(lái)將采取的步驟
為什么選擇椅子問(wèn)題？
首先我將闡述我為什么想要在一張照片中數(shù)椅子。
在AnalyticsVidhya的辦公室里，通常會(huì)有10到15個(gè)人。但到了夏天，實(shí)習(xí)生們就會(huì)涌入我們的辦公室。所以，如果我們要在夏天開(kāi)全員大會(huì)，機(jī)器人維修，我們就必須要從其他房間里拉出所有空的椅子。
我是一個(gè)特別懶的人，所以我想，有沒(méi)有一種算法能夠直接告訴我們哪間房間有空閑的椅子。這樣一來(lái)，我們就不用挨個(gè)房間找椅子了，省時(shí)又省力。
這看上去是個(gè)再簡(jiǎn)單不過(guò)的問(wèn)題，但我可以用它來(lái)嘗試我獲得的新技能。深度學(xué)習(xí)能夠解決這個(gè)問(wèn)題嗎？老實(shí)說(shuō)，我也不確定深度學(xué)習(xí)究竟能不能用來(lái)解決這一問(wèn)題，但是試一下總沒(méi)有壞處，不是嗎？
問(wèn)題中需完成的任務(wù)
既然你已經(jīng)了解了我們需要解決的問(wèn)題，那么接下來(lái)我會(huì)向你介紹我解決問(wèn)題的過(guò)程。我會(huì)把這個(gè)問(wèn)題分解為四個(gè)不同的任務(wù)
假如我們有一個(gè)房間的視頻資源，那么在視頻中有沒(méi)有出現(xiàn)一把椅子？
如果視頻中出現(xiàn)了椅子，那么這把椅子在房間的什么位置呢？
這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數(shù)量是多少呢？
我們應(yīng)該從哪間房間里搬空椅子？
我決定先解決一個(gè)相對(duì)簡(jiǎn)單的問(wèn)題，然后再嘗試解決更復(fù)雜的問(wèn)題。循序漸進(jìn)，一步步達(dá)到我的目標(biāo)。這也是我將這個(gè)問(wèn)題分解為四個(gè)不同的任務(wù)的原因。在本文，我將詳細(xì)介紹前兩個(gè)任務(wù)的完成過(guò)程；在后續(xù)文章中，我會(huì)繼續(xù)介紹后兩個(gè)任務(wù)的完成過(guò)程。
問(wèn)題簡(jiǎn)單化：在清晰的圖像中進(jìn)行椅子識(shí)別
解決椅子問(wèn)題的第一步，也是最簡(jiǎn)單的一步，就是判斷圖片中的房間內(nèi)是否有椅子�，F(xiàn)在，我將這個(gè)問(wèn)題進(jìn)一步簡(jiǎn)化我將網(wǎng)絡(luò)對(duì)視頻資源的需求忽略，給網(wǎng)絡(luò)輸入了我拍攝的幾張照片。
假設(shè)我給你兩張照片，你能告訴我哪一張照片中有椅子嗎？
答案是第一張，而你究竟是怎么知道的呢？
因?yàn)槟阋?jiàn)過(guò)椅子很多很多次了，所以對(duì)你來(lái)說(shuō)判斷圖片里有沒(méi)有椅子并不難。換言之，你對(duì)于現(xiàn)實(shí)中的椅子長(zhǎng)什么樣已經(jīng)有了了解。同樣的，我們可以訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)，讓網(wǎng)絡(luò)幫我們完成這個(gè)識(shí)別的工作。
順便提一下，我們之所以使用神經(jīng)網(wǎng)絡(luò)而不用其他的算法，是因?yàn)樯窠?jīng)網(wǎng)絡(luò)是在圖像處理問(wèn)題方面最強(qiáng)大、最先進(jìn)的技術(shù)。
所以，我將一個(gè)經(jīng)過(guò)ImageNet數(shù)據(jù)集預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)應(yīng)用到這些圖像上。
但是當(dāng)我讓模型識(shí)別圖像中的對(duì)象時(shí)，出現(xiàn)了一個(gè)問(wèn)題它不能準(zhǔn)確地分別圖像中的對(duì)象。例如，下圖是模型針對(duì)圖像的輸出結(jié)果。
[[（'n03179701','desk',0.56483036），（'n03337140','file',0.14689149），（'n04550184','wardrobe',0.03918023）]]
它將圖片中的椅子錯(cuò)誤地判斷成了書(shū)桌。這樣的結(jié)果實(shí)在令人很失望，因?yàn)闀?shū)桌和椅子的相似度不高，按理來(lái)說(shuō)是非常容易區(qū)分的。
解決椅子還是書(shū)桌的問(wèn)題
正如我在之前的文章中提到的，每當(dāng)我在建立神經(jīng)網(wǎng)絡(luò)時(shí)遇到問(wèn)題，我就會(huì)逐步解決這個(gè)問(wèn)題。我會(huì)將每個(gè)步驟列成一個(gè)清單：
第一步：檢查網(wǎng)絡(luò)架構(gòu)
第二步：檢查神經(jīng)網(wǎng)絡(luò)的超參數(shù)
第三步：檢查網(wǎng)絡(luò)的復(fù)雜性
第四步：檢查輸入數(shù)據(jù)的結(jié)構(gòu)
第五步：檢查數(shù)據(jù)的分布
在一番檢查評(píng)估之后，我發(fā)現(xiàn)模型的圖像輸入是不正確的，因?yàn)槲覜](méi)有正確地處理圖像的縱橫比例。所以，為了解決這個(gè)問(wèn)題，我添加了一個(gè)自定義代碼，該自定義代碼之前在GitHub上的一個(gè)keras問(wèn)題中出現(xiàn)過(guò)。更新的圖像如下圖：
[[（'n02791124','barber_chair',0.77817303），（'n03179701','desk',0.090379775），（'n03337140','file',0.033129346）]]
處理完這個(gè)問(wèn)題以后，模型就能開(kāi)始正常地工作，輸出正確的結(jié)果了。
進(jìn)一步的挑戰(zhàn)：找到椅子的位置
現(xiàn)在，我們已經(jīng)判斷出了圖像中有一把椅子，那么接下來(lái)我們就要識(shí)別這把椅子在什么位置。除了這把椅子，我們還要識(shí)別出圖像中的人。我們需要通過(guò)識(shí)別這個(gè)人來(lái)判斷這把椅子是否被占用了。這兩個(gè)任務(wù)（任務(wù)二和任務(wù)三）將有助于我們解決和處理更大的任務(wù)，判斷作這把椅子是否被占用了。
與前面的任務(wù)一樣，我們將使用一個(gè)預(yù)訓(xùn)練的網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)將給我們提供一個(gè)可接受的分?jǐn)?shù)。目前，YOLO網(wǎng)絡(luò)是對(duì)象檢測(cè)的最佳模型，它能夠?qū)崟r(shí)地展示相當(dāng)不錯(cuò)的性能。在本文，我對(duì)YOLO網(wǎng)絡(luò)做了簡(jiǎn)單的介紹。下面，我們來(lái)看看如何利用YOLO解決這個(gè)問(wèn)題。
使用YOLO進(jìn)行椅子檢測(cè)
在系統(tǒng)中設(shè)置YOLO網(wǎng)絡(luò)，我們可以按照以下簡(jiǎn)單的步驟：
第一步：
gitclonehttps://github.com/pjreddie/darknet
cddarknet
make
第二步：
wgethttps://pjreddie.com/media/files/yolo.weights
用YOLO來(lái)解決我們的問(wèn)題，你需要輸入以下指令，并且提供你自己圖像的位置
./darknetdetectcfg/yolo.cfgyolo.weights//data/image.jpg
在我們的圖像上應(yīng)用了YOLO之后，我發(fā)現(xiàn)其結(jié)果非常不錯(cuò)。下面是一些例子：
面臨的挑戰(zhàn)以及未來(lái)將采取的步驟
雖然開(kāi)端進(jìn)展得非常順利，但是仍然有問(wèn)題會(huì)阻礙這個(gè)項(xiàng)目的發(fā)展。以下是其中一些問(wèn)題：
問(wèn)題一：這個(gè)YOLO模型還是會(huì)出現(xiàn)一些錯(cuò)誤，它并不是一個(gè)100%正確的模型。比如，在下面的這張圖片中，一個(gè)垃圾桶竟然被錯(cuò)誤地識(shí)別成了一個(gè)人！
問(wèn)題二：如果在一張圖像中，一把椅子擋住了另外一把椅子，算法還能識(shí)別出這把被擋住的椅子嗎？這是個(gè)值得思考的問(wèn)題。
除了這些可能出現(xiàn)的問(wèn)題之外，還有一些更加實(shí)際的細(xì)節(jié)需要考慮，比如說(shuō)，算法推薦一個(gè)解決方案需要多長(zhǎng)時(shí)間？算法需要運(yùn)行什么類型的硬件？等等。這些都是在把算法作為商品出售之前需要考慮和解決的問(wèn)題。
同樣，像之前所說(shuō)的，KUKA機(jī)器人維修，在這篇文章中只討論前面兩個(gè)任務(wù)，還沒(méi)有涉及到后面兩個(gè)任務(wù)。那么，庫(kù)卡機(jī)器人，接下來(lái)的任務(wù)就是計(jì)算出房間內(nèi)的椅子數(shù)量，然后建立起一個(gè)端到端的產(chǎn)品。
尾注
本文內(nèi)容涵蓋了圖像中的物體檢測(cè)和識(shí)別，其中的物體就是椅子。針對(duì)物體識(shí)別，我們用了一個(gè)簡(jiǎn)單的預(yù)訓(xùn)練的模型來(lái)識(shí)別圖像中的物體。另一方面，針對(duì)物體檢測(cè)，我們使用了YOLO網(wǎng)絡(luò)一項(xiàng)非常先進(jìn)的對(duì)象實(shí)時(shí)檢測(cè)技術(shù)。