python - 仅 1900 个样本的 10 类图像分类问题的推荐机器学习算法
问题描述
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。
解决方案
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
推荐阅读
- hyperledger-fabric - 如何在 Hyperledger historian 中获取特定交易的历史记录
- scala - 可能失败的多个期货 - 返回成功和失败?
- java - 异常评估 SpringEL 表达式,spring guru 课程
- javascript - Uncaught (in promise) TypeError: _this3.setState is not a function
- javascript - Firestore 云功能删除文档
- ios - Xcode IONIC IOS App下架构x86_64的重复符号
- webpack - 控制文件不在顶部生成新的依赖块
- javascript - 重构多种方法使用的相似代码
- php - 如何使用php和jquery反转一个函数
- java - 不同的线程,访问相同的同步方法,返回意外结果