machine-learning - 图像分类，具有自定义标签的窄域

Question

假设我想按型号对摩托车进行分类。

• 我对数百种摩托车型号感兴趣。
• 我确实有每种摩托车型号的数十张，有时数百张张照片。

您能否给我指出一个实际示例，演示如何根据数据训练模型，然后使用它对图像进行分类？它需要是一个深度学习模型，而不是简单的逻辑回归。

我不确定，但似乎我不能使用预先训练的神经网络，因为它已经在猫、人、汽车等广泛的物体上进行了训练。它们可能不太擅长区分我感兴趣的摩托车细微差别。

我发现了几个这样的例子(tensorflow 有一个)，但遗憾的是，它们都使用预先训练的模型。其中没有一个示例如何在您自己的数据集上进行训练。

Answer 1

在像您这样的情况下，您可以使用迁移学习或微调。如果你有超过一千张摩托车图像，我会使用微调，如果你有较少的迁移学习。

微调是使用预先训练的模型并使用不同的分类器部分。然后，新的分类器部分可能会根据您的数据集训练训练模型的最后 1-2 层。

迁移学习意味着使用预先训练的模型并让它输出输入图像的特征。现在您使用基于这些特征的新分类器。也许是 SVM 或逻辑回归。

可以在此处查看相关示例:https://github.com/cpra/dlvc2016/blob/master/lectures/lecture10.pdf 。幻灯片 33。