python - 仅 1900 个样本的 10 类图像分类问题的推荐机器学习算法

Question

我正在尝试确定解决涉及 10 个类和仅 1900 个样本的图像分类问题的正确方法。图像（1288 x 964 分辨率）是工业零件，其中每个零件由 10 个类别之一表示；图像类别在图像中存在的序列号以及其他细微特征方面存在本质上的不同。我考虑过使用 CNN，但我想知道由于数据集的大小是否不建议这样做，即数据集是否太小了？否则，我考虑使用 KNN 或 SVM 算法，我认为由于数据较少，它们可能会更好地工作，但需要一些专家指导。谢谢你。

标签： pythonimage-processingmachine-learningclassification

Answer 1

您可以使用预训练的特征提取器（keras 中的标准 fe inceptionV3）。因为它已经在其他数据上进行过训练，所以只有最后一层应该根据您的特定需求进行重新训练，每类 100 张图像应该足以做到这一点