Python 图像分类：训练模型的最佳方法

给定一个模型，该模型必须对10个桌布项目（勺子、叉子、杯子、盘子等）进行分类，并且必须在包含所有桌布项目的桌子图像上进行测试（测试模型精度），这是最佳的培训方法：

• 答：对模型进行单项训练，然后测试模型的准确性
• B：在带边框的整个桌子上训练模型，然后测试模型的精度
• C：先从A开始，然后从B开始，反之亦然，然后测试模型精度

---

您将选择的策略主要取决于您将要创建的CNN的结构。

如果您训练的模型能够识别图像中是否包含勺子或叉子，则您将无法在带有多个桌布项目（例如，叉子和勺子）的桌子上进行测试，因为网络将尝试回答图像中是否确实存在勺子或叉子。

无论如何，仍然可以训练网络对几个特征进行分类（strategy“A”），但在这种情况下，您需要一个能够进行多标签分类的模型
最后，我建议采用“B”策略，因为依我拙见，它非常适合应用领域
希望这个答案是明确和有益的
干杯。
如果您在“B”上进行训练，那么使用网络在“A”上进行训练会影响性能吗？如果您认为“B”是一种更通用的方法，那么您可以使用经过训练的网络在单个桌布项目和/或具有多个桌布项目的桌子上进行测试。我认为绩效主要取决于你如何培训w.r.t.型战略。