有没有基于深度学习的建模方法?

我们知道深度学习可以提取出抽象的特征,可以分类复杂的物体。
但是现实生活中有一种应用是只检测一种目标,在做目标检测,其他的非目标的东西不需要检测出来。
由于目标可能形态多种多样,因此,如何确定目标的特征,也是一个艰巨的工程。
如何能够利用深度学习框架,把目标的特征提取出来,然后再建立目标的特征模板,这样在检测的时候,只需要跑一遍网络,判断计算出的特征与特征模板之间的距离,就可以知道目标是否出现。
谁有这方面相关的研究?或者有相关的论文,麻烦告知一下。
反正我目前搜索过,几乎没有。

另外我补充一下,有的人可能会说,用现在的分类网络一样可以实现我要求的功能,但是用现有的网络,有一个很大的弊端。
那就是需要把复杂的背景,还有其他不相关的目标也都做成样本。
这样工作量会很大,并且系统的应用局限性也很大,因为一旦切换了不同的场景,背景以及相关的目标发生了变化,原有的网络就不适用了,还需要重新训练,产品维护非常的复杂。
所以需要只提取目标特征。
已邀请:

PangDeGui - 人脸、主动学习、职场新人

赞同来自:

哥们咋又看到你了,你说的就是深度学习的物体检测啊,RCNN,yolo,SSD或者单独的车辆检测,人脸检测都可以啊,不是分类网络,他们就是检测网络啊。你想想人脸检测,场景很复杂,也没有要重新训练。。

要回复问题请先登录注册