machine-learning - 卷积神经网络的识别类型

Question

我试图创建一个卷积神经网络，用于从具有这些对象组合的大型数据集中识别动物、车辆、建筑物、树木、植物。

在训练时，我对网络的训练方式产生了疑问。我的疑问是，我是否可以使用整个动物的数据集作为单个属性来训练网络，或者单独训练每个动物？

意味着，一组用于狮子，一组用于老虎，一组用于大象等，在测试时，如果满足其子类别中的任何一个，我可以对其进行编码以将结果输出为动物。

我有这个疑问，因为我读到数据集中应该有一个正确的模式来进行有效的检测，并且只有当我们使用对象的子类别而不是庞大的数据集进行训练时才应该有一个模式。

我附上了一张显示示例数据集的图(仅逻辑上正确)。我想知道是否应该有单独的数据集或单个数据集。

Answer 1

在单独的数据集或单个数据集上进行训练将取决于多种因素。如果您想使用卷积神经网络将测试数据集中的图像仅分类为动物而不是进一步分割它们，那么应该对单个数据进行训练。但是，如果您打算将图像进一步分割为老虎和狮子，则需要在老虎和狮子的单独数据集上进行训练。

用于训练的数据集类型在很大程度上取决于您对测试数据集的分类要求。

此外，您必须确保在将图像用于训练之前对其进行标准化。