时间戳

首页 > 解决方案 > azure 自定义视觉模型精度

azure - azure 自定义视觉模型精度

问题描述

我在确定优化自定义视觉模型的最佳方法时遇到问题。

  1. 在使用图像分类时，在不同时间用不同的标签标记相同的图像会影响机器学习的精度吗？//例如今天用标签't-shirt'标记和训练图像A，明天用标签'blue'标记和训练图像A。//我们基本上是尝试对同一张图片一次输入一个分类（总共五种分类，比如风格和颜色），想知道这种方式是否会影响预测精度。

  2. 在输入图像进行机器学习时，一次标记大量数据会提高模型的精度吗？（例如，一个图像一次学习 50 个标签和 100 个标签之间会有什么区别吗？）

  3. 有没有办法教机器学习使用从图像分类中获得的结果来识别对象识别，否则我可以用相同类型的图像分别教图像分类和对象识别吗？

  4. 将机器学习的学习过程运行更长的时间（例如，1小时和10小时之间的差异）总是会产生更好的结果吗？

标签： azuremachine-learningmicrosoft-cognitiveazure-machine-learning-service

解决方案

推荐阅读