如何决定哪种卷积神经网络架构可以识别自己的数据集？

Posted 2023-03-12

【中文标题】如何决定哪种卷积神经网络架构可以识别自己的数据集？

【英文标题】：How to decide which Convolution Neural Network architecture will work to identify the own data set?

【发布时间】：2020-02-20 19:39:22

【问题描述】：

我有关于巧克力的数据集。我需要检测它是否有划痕。我打算使用 Caffe 从卷积神经网络中检测。但是如何定义适合我的数据集的神经网络架构呢？ 还有图像有划痕时如何产生热值？

我已尝试检测正常的图像处理算法，但没有成功。

Abnormal Image Normal Image

【参考方案1】：

根据您提供的少量信息，网络架构选择应该是您最关心的问题。 “尝试正常的图像处理算法”也是一个相当模糊的说法。

需要考虑的几点

数据集有多大？巧克力照片是在受控环境中拍摄的，它们总是与您的示例照片相似，还是在野外拍摄，即它们可能具有不同的照明条件、位置等？数据集是否平衡？ 如何标记数据集？它只是指定正常与异常的整个图像的一个类吗？如果是这样，您只需进行分类，并且可能只是可视化划痕位置的一种方法（如果它们最终成为分类的最突出特征）是使用梯度加权类激活图。另一方面，如果您的数据集在图像上标记了划痕点，那么您可以直接训练您的网络以输出热图。

一旦您的数据集正确设置了训练和验证集，您就可以从基线简单的小型卷积网络架构开始，然后您可以尝试不同且更大的网络架构，例如 VGG16、ResNet 等，并且检查它们是否提高了验证集的性能。