Computer vision 深度学习/图像识别-如何为一个类别识别组合数据集
我正在使用英特尔深度学习SDK(基于Caffe)。Computer vision 深度学习/图像识别-如何为一个类别识别组合数据集,computer-vision,neural-network,deep-learning,caffe,image-recognition,Computer Vision,Neural Network,Deep Learning,Caffe,Image Recognition,我正在使用英特尔深度学习SDK(基于Caffe)。 我想创建一个能够识别硬币的照片数据集。 SDK需要以下格式的数据集: Root --> category a --> photos --> category b --> photos ... 它需要至少有两个类别。 有什么想法吗?在你的情况下,你应该有“硬币”类别和“非硬币”类别。 您的网络应该看到“非硬币”的图像,以便将其与“硬币”图像区分开来 你可以考虑分阶段培训(又名“硬负采”):
我想创建一个能够识别硬币的照片数据集。
SDK需要以下格式的数据集:
Root
--> category a
--> photos
--> category b
--> photos
...
它需要至少有两个类别。有什么想法吗?在你的情况下,你应该有“硬币”类别和“非硬币”类别。
您的网络应该看到“非硬币”的图像,以便将其与“硬币”图像区分开来
你可以考虑分阶段培训(又名“硬负采”):
(1)模型0在您的情况下,您应该有“硬币”类别和“非硬币”类别。
您的网络应该看到“非硬币”的图像,以便将其与“硬币”图像区分开来
你可以考虑分阶段培训(又名“硬负采”):
(1)型号0
(1) model_0 <- training with cons/non-coins images
(2) for k = 1..K iterations do:
(2.1) use model_{k-1} to classify additional training images
(2.2) add images wrongly classified by model_{k-1} to training set
(2.3) model_k <- training with extended training set
(3) output model_K