Neural network 如何用小数据集训练神经网络,或者如何在没有人为干预的情况下生成大数据集?
我正在尝试通过使用RNN训练机器人的具体动作,如抓取或指向。 该机器人由一只手臂和一个头部组成,头部装有摄像头。此外,工作空间将是一张小桌子,以便可以定位手臂和对象。 递归神经网络的输入是来自摄像机的每个时间步长的图像帧,输出是机器人手臂下一帧的目标电机角度。 当当前图像帧馈送到网络时,网络输出下一帧的arm电机值。当手臂到达下一个位置时,该位置的输入帧再次进入网络,它再次产生下一个电机输出 然而,在制作训练数据时,我必须为工作空间上的所有位置制作(图像、电机角度)对的所有数据。尽管网络本身可以做一些泛化工作,但所需的数据仍然太多,而且由于轨迹太多,需要花费大量时间Neural network 如何用小数据集训练神经网络,或者如何在没有人为干预的情况下生成大数据集?,neural-network,robotics,recurrent-neural-network,Neural Network,Robotics,Recurrent Neural Network,我正在尝试通过使用RNN训练机器人的具体动作,如抓取或指向。 该机器人由一只手臂和一个头部组成,头部装有摄像头。此外,工作空间将是一张小桌子,以便可以定位手臂和对象。 递归神经网络的输入是来自摄像机的每个时间步长的图像帧,输出是机器人手臂下一帧的目标电机角度。 当当前图像帧馈送到网络时,网络输出下一帧的arm电机值。当手臂到达下一个位置时,该位置的输入帧再次进入网络,它再次产生下一个电机输出 然而,在制作训练数据时,我必须为工作空间上的所有位置制作(图像、电机角度)对的所有数据。尽管网络本身可以
概括一下我的问题,获取网络训练数据的时间太多了。有没有什么方法可以用小数据集训练网络?还是在相对较小的人工干预范围内创建大型数据集 我搜索了更多的论文,找到了一些与主题相关的。我问题的主要主题是
你的问题非常广泛,肯定不只是研究领域。这个问题在这个平台上无法回答,但是,我建议您在gitHub上查看,特别是数据分析部分 与您的问题相关的更具体的资源是