用cnn识别苹果上的腐烂，一共四类（包括正常果），每类需要采集多少张图像？

300张够吗

谢邀！

四类？你没有具体说明哪四类啊？

如果这四类判别性很强，而且源数据都具有判别行，我觉得３００张足以。

有一篇文章不知道你看没，训练ＣＮＮ不一定要大量数据，但是这个还是要结合具体场景具体讨论，谢谢！

小弟不才，望采纳！

求实验结果，我也好奇多少张能出比较好的效果

用迁移学习，300张应该能有不错的效果

凭小编多年来吃苹果的经验，应该是不够的，每一类，大小/颜色/形状可以有太多种情况，而正常果表面也会有很多种情况，300张搞出来的p-r总有一头不太好。

不过，要是实际收到果子的腐烂情况比较集中，也就是样本方差不会那么大，那300张出来的效果应该能接受了。

fine tune的话最低每类可以只有极具特征的几十张。

可以考虑用一些few-shot的方法。

参考ImageNet，1000类，每类1000张，top-1的准确率在87%左右；参考CIFAR10，10类，每类5000张，top-1准确率在95%左右。个人猜测每类300张最后top-1准确率会在80%左右，这是从头训练；如果用迁移学习会提升一点，再加点数据增强会再提升一点。考虑到你这个场景，其实这四类有点细粒度分类的意思，毕竟都是苹果，如果直接用普通的分类网路可能准确率比上面说的还会要低一点。总之数据是不嫌多的，越多越好