图像分类：训练模型的最佳方法

Posted 2023-03-12

【中文标题】图像分类：训练模型的最佳方法

【英文标题】：Image classification: Best approach to training the model

【发布时间】：2018-11-30 13:00:53

【问题描述】：

给定一个模型，该模型必须对 10 种桌布物品（勺子、叉子、杯子、盘子等）进行分类，并且必须在一张包含所有桌布物品的桌子图像上进行测试（test_model_accuracy）是最好的训练方法：

答：在单个项目上训练模型，然后在 test_model_accuracy 上进行测试 B：使用边界框在整个表格上训练模型，然后在 test_model_accuracy 上进行测试 C：从 A 开始，然后是 B，反之亦然，然后在 test_model_accuracy 上进行测试

【参考方案1】：

您将选择的策略主要取决于您要创建的 CNN 的结构。

如果您训练的模型能够识别图像中是否包含勺子或叉子，您将无法在带有多个桌布物品（例如叉子和勺子）的桌子上进行测试，因为如果图像中确实有勺子或叉子，网络将尝试回答。

无论如何，仍然可以训练网络对多个特征进行分类（策略“A”），但在这种情况下，您需要一个能够进行多标签分类的模型。

最后，我建议采用 “B” 策略，因为在我看来，它非常适合应用领域。

希望这个答案清晰且有帮助！

干杯。

【讨论】：

如果你在“B”上训练然后使用网络在“A”上训练会影响性能吗？

如果认为“B”是一种更通用的方法，那么您可以训练的网络也可以在单个桌布项目和/或具有多个桌布项目的桌子上进行测试。我认为性能主要取决于你如何训练模型 w.r.t。战略。