object-detection - 我是否使用二元分类或对象检测模型来训练图像分类模型?
问题描述
我想训练一个图像模型来检测图像是否包含花。
用包含花朵和不包含花朵的图像来训练二元分类模型似乎是合乎逻辑的。然而,我意识到后者需要这么多不同的图像,它根本无法涵盖任何类型的图像(不包含花)。数据收集似乎付出了很多努力。
另一方面,我可以在一个类上使用例如 yolo 进行预训练的对象检测模型,并为每个图像指定花的坐标。在推理过程中,我可以确定图像中是否检测到任何花朵,因此分配包含花朵或没有花朵的图像。尽管模型更复杂,但我可以节省更多的数据收集时间。
有人可以通过使用后一个选项来建议我是否做得对吗?
谢谢你。
解决方案
推荐阅读
- python - 更改更新表单字段
- php - 如何使用中断或继续
- php - 在 PHP 中标记 bash shell 命令的最佳方法是什么?
- angular - 如果 rxjs 仍在进行数据加载,如何返回数据或等待
- xml - Visual Studio XML 格式 - 同一行问题中的第一个属性
- aws-lambda - AWS Lambda / SAM:如何从 CLI 获取调用 URI?
- python - 是否可以将streams.Selection1D 值传递给ipywidgets?
- arrays - 使用字符串数组通过 MongoDB 中的嵌入文档查找文档?
- string - 错误消息 - 冲突的 int/float/boolean 和 String 的使用
- email - Flutter 接收邮件