Python 当一个类包含不同类型的图像时的图像分类

我必须将图像分为4类：食品、服装、杂项和装饰，但当我看到我的食品类数据时，它包含各种各样的图像，比如蛋糕图片，它有葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒、葡萄酒

请访问查看数据集

---

这是一场盛大活动的Hackerth竞赛

你可以尝试用少量的课程进行训练，但协变量转移将是一个大问题，并且可能最终导致模型不稳定

import numpy as np
from sklearn.manifold import TSNE
# flatten the X image array

X_embedded = TSNE(n_components=2).fit_transform(X)
X_embedded.shape

# apply, k-means to find suitable clusters

from sklearn.cluster import KMeans
import numpy as np

kmeans = KMeans(n_clusters=2, random_state=0).fit(X_embedded)
kmeans.labels_

# test images
kmeans.predict(X_test)

kmeans.cluster_centers_

# for each cluster center assign a new class

可以使用无监督技术向模型中添加更多的子类

首先，您可以压缩图像维度（使用PCA、t-SNE等），然后应用k-means聚类来查找可能的新类。然后，为每个集群分配适当的类名。你最终会有更多的课程。然后，您可以通过这些额外的课程来训练您的深度学习模型，以获得更稳定的模型

import numpy as np
from sklearn.manifold import TSNE
# flatten the X image array

X_embedded = TSNE(n_components=2).fit_transform(X)
X_embedded.shape

# apply, k-means to find suitable clusters

from sklearn.cluster import KMeans
import numpy as np

kmeans = KMeans(n_clusters=2, random_state=0).fit(X_embedded)
kmeans.labels_

# test images
kmeans.predict(X_test)

kmeans.cluster_centers_

# for each cluster center assign a new class

---

请发布一些代码Hi Anish，在我看来，你是在要求人们解决你的竞争挑战，我不完全确定这是否合乎道德。你可能想删除这个问题。我必须提交的brother模型只有4个类，如果我必须增加类，那么4个类上的类预测会发生什么，如果你可以，请查看数据，它非常自由\