画像特徴から特定の点を学習させるKerasでのモデル出力の実装方法について

Question

前提・実現したいこと

画像を学習させて、その画像の一定の場所の座標を取得するという結果を出力する学習器を作っています。
例えば、下記画像の猫の鼻の頂点を何枚も無数に学習させて新しい猫画像の鼻の位置を座標で示すというものです。
(teratailの不具合なのでしょうか。かなり記載してから[質問する]をクリックしたら文章や画像が消えてしまいました…）

(画像貼り付けエラー）

方針
①画像を配列に変換
②それをtrain_dataに格納し、そのラベルをｘ値、ｙ値[例：(120,100)]として、train_labelsに格納
③今まで習ったMNISTでは出力値が0～9の10クラスを1つの値を出力していましたが、今後はｘとｙの2つの値。（2次元？）

        # dense
        fc1 = Dense(
            units=num_outputs, kernel_initializer="he_normal", activation="softmax"
        )(pool2)

単純にDense(2)とすれば出力値が２として(x,y)を出力できるということなのでしょうか。KerasのDenseの扱い方で調べているのですがわからないでいます。
よく画像からその中に人間の顔を検出したり、その鼻の位置を検出などありますが、たんてきに点の座標さえ取得できればよいのですが、画像から点を学習させるモデルの一例など例えばないでしょうか。

該当のソースコード

import tensorflow
from tensorflow import keras
%matplotlib inline
import matplotlib.pyplot as plt
batch_size = 128
num_class = 10
epochs = 20

# 浮動小数点にするために.0をつけた
x_train, x_test = x_train/255.0, x_test/255.0
# 計算一式を定義
model = keras.models.Sequential([ 
    keras.layers.Flatten(), 
    keras.layers.Dense(512, activation='relu'),
    keras.layers.Dropout(0.2),
    keras.layers.Dense(2, activation='softmax')   
])
#model.compile(optimizer='adam',loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.compile(
    optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"]
)

Kerasでの画像情報から(x,y)をラベルとして学習させるモデルについてどなたかご教授頂けないでしょうか。
参考サイトなどでもアドバイス何でも構いません。よろしくお願い致します。

補足情報（FW/ツールのバージョンなど）

Anaconda3
Python3
Tensorflow
Keras

Answer 1

とりあえず、キーワードとして、「bounding box」で物体を検出して、
その位置関係を座標として求めるのが良いのではないでしょうかね。

https://qiita.com/mshinoda88/items/9770ee671ea27f2c81a9
検出系としては日本語で参考になりそう

人間の顔ですが、こちらが参考になるかと。
https://kpzhang93.github.io/MTCNN_face_detection_alignment/

Comments

[dendenmushi]

回答頂きありがとうございます。サイト参考にさせて頂きます。物体ではない鼻のみの検出やある一点の座標を学習したモデルによって出力したい場合はどうすればよいか悩んでいます。

[t_obara]

まずは「bounding box」について調べてみては？今のトレンドです。もっと高速に、もっと精度よくと考えている人たちが大勢いるので、もしかすると貴殿の考える方法がすでに提案されているかもしれません。
ただ、結局点の情報だけで何かを判断することはできないと思います。特徴量といった判断するための情報量が少なすぎるから。

https://www.groundai.com/project/objects-as-points/1

[dendenmushi]

ありがとうございました。