machine-learning - 使用哪种深度学习模型来捕获图像中的次要特征？

Question

我的课程与其他课程的功能略有不同：ex - 此图像中有扣（将其视为一个课程）https://6c819239693cc4960b69-cc9b957bf963b53239339d3141093094.ssl.cf3.rackcdn.com/1000006329245-822018-Black-黑色-1000006329245-822018_01-345.jpg

但这张图片与它非常相似，但没有扣： https ://sc01.alicdn.com/kf/HTB1ASpYSVXXXXbdXpXXq6xXFXXXR/latest-modern-classic-chappal-slippers-for-men.jpg

我对在这种实际学习像素到像素值的情况下使用哪种模型有点困惑。

任何想法都会很明显。谢谢 ！！

我已经尝试过 Inception、Resnet 等模型。

使用较少量的训练数据（每类 300-400 个），我们可以达到良好的召回率/精度/F1 分数。

标签： machine-learningdeep-learningcomputer-visiontransfer-learning

Answer 1

由于数据集较小，您可能想研究迁移学习，您可以做的是使用迁移的 ResNet 模型作为特征提取器，并在其上尝试 YOLO（您只看一次）算法，查看每个窗口（看使用 ConvNets 的滑动窗口实现）获得皮带扣，并在此基础上对图像进行分类。

根据我对您的数据集的理解，要执行上述方法，您需要根据 YOLO 算法的要求重新注释您的数据集。

要查看上述方法的示例，请访问https://mc.ai/implementing-yolo-using-resnet-as-feature-extractor/

编辑如果您有 XML 注释数据集并且需要将其转换为 csv 以遵循上述示例，请使用https://github.com/datitran/racoon_dataset

快乐的建模。