azure - 如何提高 Azure 自定义视觉准确性
问题描述
我们有一个 POC,我们需要从给定的照片中识别出一个人。我们正在使用 Azure 自定义视觉。我们已经训练了模型,每个人大约有 400 张图像,旋转了 0、90、180 和 270 度。但是当我们尝试从新照片中进行预测时,它会比正确的标签更准确地检测到错误的标签。我们甚至尝试过使用对象检测并在人脸上手动创建边界框。我们能做些什么来解决这个问题?
解决方案
以下是帮助您训练更准确模型的一般模式:
- 第一轮训练
- 添加更多图片和余额数据;再培训
- 添加具有不同背景、照明、物体大小、相机角度和风格的图像;再培训
- 使用新图像来测试预测
- 根据预测结果修改现有训练数据
推荐阅读
- esp32 - 与外部设备(不是 wifi)交换大量数据
- r - 使用 R *apply 函数填充矩阵
- c# - 在 ac# 控制台应用程序和控制台输出中记录用户输入
- laravel - 如何使用 mailtrap 测试 sendgrid 电子邮件以进行测试?
- php - PHP协方差与继承类 - 声明不兼容
- c - 在函数中调用 char 指针
- azure - 使用 Azure Active Directory 进行 Flutter 登录
- javascript - JS:nvmrc 与 package.json 引擎?
- java - Selenium Java:使用 TestNG,不执行第二个测试用例
- flutter - Flutter:点击打开谷歌地图时的 Mapbox 符号