Machine learning 带注释的图像分类

我有一堆图像（~3000），它们已经根据一些业务标准手动分类（批准/拒绝）。我已经使用谷歌云平台处理了这些图像，获得了注释和安全搜索结果，例如（csv格式）：

文件名；批准/拒绝；成人恶作剧医学的暴力；注释 A.jpg；经核准的；不太可能；不太可能；不太可能；不大可能发生的船| 0.9，车| 0.8 B.jpg；拒绝；不太可能；不太可能；不太可能；不大可能发生的文本| 0.9，字体| 0.8

我想使用机器学习来预测一个新图像应该被批准还是被拒绝（csv文件的第二列）

我应该使用哪种算法

---

我应该如何格式化数据，尤其是注释列？我是否应该首先获取所有可用的注释类型，并将它们用作具有数值的功能（如果不适用，则为0）？还是将注释列作为文本处理更好？

我建议您尝试使用卷积神经网络

也许测试你的想法是否可行的最快方法是使用Tensorflow的迁移学习（问题可能是你拥有的图像数量很低）。马格努斯·埃里克·哈瓦斯·佩德森（Magnus Erik Hvass Pedersen）在上一篇文章中发表了很多精彩的教程

我建议你把所有的视频都看一遍，但重要的是7和8

使用迁移学习可以让你使用他们在谷歌建立的模型对图像进行分类。但通过迁移学习，您可以使用自己的数据和标签

---

使用这种方法，您将能够看到这是否适合您的问题。然后你可以深入到卷积神经网络中，创建最适合你的问题的管道。

我同意转移学习是最好的选择。以下是和的转移学习演练。Alex，因为我假设您希望将经过训练的模型应用于原始图像，所以我建议不要在训练数据中包含标签（批准/拒绝）之外的任何注释。