机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

使用卷积神经网络的深度计算机视觉

｜

421

这需要一些时间，但是此模型在测试集上应达到约 95％的精度。这样你可以开始训练惊

人的图像分类器了！但是计算机视觉不仅仅是分类。例如，如果你还想知道花在图片中

的位置怎么办？让我们现在来看一下。

14.8 分类和定位

如第 10 章所述，定位图片中物体可以表示为回归任务：预测物体周围的边界框，一种

常见的方法是预测物体中心的水平坐标和垂直坐标，还有其高度和宽度。这意味着我

们有四个数字需要预测。它不需要对模型进行太多修改，我们只需要添加具有四个单

位的第二个密集输出层（通常在全局平均池化层之上），就可以使用 MSE 损失对其进

行训练：

base_model = keras.applications.xception.Xception(weights="imagenet",

include_top=False)

avg = keras.layers.GlobalAveragePooling2D()(base_model.output)

class_output = keras.layers.Dense(n_classes, activation="softmax")(avg)

loc_output = keras.layers.Dense(4)(avg)

model = keras.Model(inputs=base_model.input,

outputs=[class_output, loc_output])

model.compile(loss=["sparse_categorical_crossentropy", ...