automl - 使用 Google AutoML Vision 分类进行增量学习
问题描述
我想使用 Google AutoML 视觉 API 进行图像分类,但使用增量学习设置 - 更具体地说,我应该能够增量地提供新的训练数据,可能是全新的(和以前未知的)类标签。例如,假设我今天针对三个标签训练网络A
:B
和C
。现在,一周后,我想添加一些标有全新类的新数据D
。然后又过了一周,我想添加带有全新类标签的更新数据E
。此时,模型应该能够将输入图像分类为这五个类别中的任何一个,模型中的每一个增量添加都会导致非常小的精度下降。
谷歌 AutoML 视觉 API 有可能吗?
解决方案
目前,您可以继续将新数据导入现有的 AutoML 数据集,并每周训练一个新模型。有导入 API 和训练 API。
导致非常小的精度下降的假设可能是不现实的。添加新标签时可能存在有效情况会使准确性下降。例如,添加难以与以前的标签区分开来的标签,或者在不执行数据清理的情况下添加标签(添加标签而不将其应用于具有该标签的对象可见的现有图像)。
推荐阅读
- c++ - 将纹理传递给 GLSL 着色器而不使用统一?
- hibernate - 在 Hibernate 环境中处理多对一关系实体中审计修订的最佳方法是什么?
- javascript - 使用字典将返回的状态映射到选择下拉列表以进行过滤,产生我试图删除的重复项并将唯一键附加到
- javascript - 如果 ImmerJS 是纯 javascript,它是如何“强类型化”的?
- javascript - 从嵌套的对象数组中返回匹配项
- radio - 我在哪里连接 433MHz 接收器 PCB 上的同轴电缆屏蔽层?
- sql - 如何根据它们的模式以透视方式显示所有数据库表
- node.js - 在 MacOS 上安装 Ghost:“ghost install local”在安装过程中产生“响应代码 401(未经授权)”
- macos - WKWebView 加载 HTML 和 Javascript 但无法加载 CSS 文件
- javascript - CodeHow to call ng-blur before ng-click for Mobile browsers