machine-learning - 计算成本低廉的图像分类器
问题描述
我是机器学习领域的新手。我们有一些养牛场的视频。YoloV2 正在检测所有牛。
在一帧/分钟内,我们必须将所有牛的图像输入到模型中,并确定每只牛的位置或站立位置。问题更像是 - 猫与狗(躺与站立)。
有人可以建议任何计算成本低廉的图像分类器来实现目标吗?
我计划用 200 个图像/类训练模型,此时 70-80% 的准确率就足够了。
解决方案
如果您想要计算成本低廉的图像分类器,则必须重新训练对象检测模型。
- 训练仅适用于牛预测的新模型。
这意味着您需要准备两类图像(产牛和站立牛)
准备好图像后,构建由 2 类分类器组成的新模型,而不是 80 类或 20 类分类器(通常在 YOLOv2 中)。
因为您想要计算成本低廉的模型。并且您的分类器中不需要其他类。
推荐阅读
- android - 片段 - 无法添加子视图,表示子视图已经有父视图
- python - Yield 关键字返回 0x107e4b3c0 而 Return 函数仅返回列表中的最后一个值
- html5-video - 默认 Html5 视频海报
- mysql - 如何写一个删除命令来替换三个sql?
- android - 在不同的机器上运行时,不变违规反应本机
- laravel - 服务器上的 Laravel 与 ip
- android - 如何在android中设置进度条0
- python - hello_world() 缺少 1 个必需的位置参数:“请求”
- jsf - 如何在选中元素的情况下呈现 selectManyCheckbox?
- python - Python lambda 函数是否有助于减少执行时间?