用cnn識別蘋果上的腐爛,一共四類(包括正常果),每類需要採集多少張圖像?
300張夠嗎
謝邀!
四類?你沒有具體說明哪四類啊?
如果這四類判別性很強,而且源數據都具有判別行,我覺得300張足以。
有一篇文章不知道你看沒,訓練CNN不一定要大量數據,但是這個還是要結合具體場景具體討論,謝謝!
小弟不才,望採納!
求實驗結果,我也好奇多少張能出比較好的效果
用遷移學習,300張應該能有不錯的效果
憑小編多年來喫蘋果的經驗,應該是不夠的,每一類,大小/顏色/形狀可以有太多種情況,而正常果表面也會有很多種情況,300張搞出來的p-r總有一頭不太好。
不過,要是實際收到果子的腐爛情況比較集中,也就是樣本方差不會那麼大,那300張出來的效果應該能接受了。
fine tune的話最低每類可以只有極具特徵的幾十張。
可以考慮用一些few-shot的方法。
參考ImageNet,1000類,每類1000張,top-1的準確率在87%左右;參考CIFAR10,10類,每類5000張,top-1準確率在95%左右。個人猜測每類300張最後top-1準確率會在80%左右,這是從頭訓練;如果用遷移學習會提升一點,再加點數據增強會再提升一點。考慮到你這個場景,其實這四類有點細粒度分類的意思,畢竟都是蘋果,如果直接用普通的分類網路可能準確率比上面說的還會要低一點。總之數據是不嫌多的,越多越好
推薦閱讀: