machine-learning - 如何收集和过滤图像以进行图像识别?
问题描述
Newbee 问题:现在我需要一个相对较大的图像数据库,比如几千个,用于图像识别训练。
我找到了一些获得粗略结果的好方法,比如使用谷歌图片搜索词等并疯狂下载它们。但是结果(图像)仍然只能代表我在图像上需要的 50%(其他图像要么是相关的东西,要么是普通的垃圾)。手工采摘并不是一个真正的选择,因为它会花费很多时间。那么有没有更快的方法来挑选这些图像?喜欢使用其他一些图像识别网络或特定软件?
解决方案
你可以在 Kaggle 中搜索cdiscount-image-classification-challenge等图像识别比赛。数据通常很容易获得。
推荐阅读
- agda - 无意义的“不在范围内”错误
- c++ - 转换模板中的成员函数指针
- php - 如何在 PHP 中访问各种解码的 Json 数组?
- python - 是否可以从 describe_instances() 输出创建 EC2 实例?
- python - 错误 'NoneType' 对象没有属性 'find' 有时会导致
- android - 如何与应用程序永久通信
- angular - Angular 6 中的代理配置出现“未找到”错误
- automated-tests - 我们如何自动化巴克莱订单生成
- c++ - 为什么必须使用'*p=a',而使用'p=&a'在构造函数中不起作用
- javascript - Object.hasOwnProperty 多级无错误