Python 基于单个学习图像的机器学习图像检测

我有一个用例，在300个不同的项目中，我有大约300个图像。我需要机器学习每分钟检测一个项目

我一直在使用Keras和Sequential来检测图像，但我想知道当我有300个标签并且每个标签只有一个图像用于学习时，我应该考虑什么

简言之：

1） 你能用每个标签一张学习图像进行机器学习图像检测吗

---

2） 我考虑过什么特别的事情吗？

如果你只在那张图像上训练一次，它可能还无法检测到它。如果你对它进行更多的训练，它可能会过度贴合，只识别出一张图像。如果您正试图这样做，那么您应该制定一个算法在屏幕上搜索该图像（这样会更有效）。

1）由于缺乏训练集，您可能会在模型的泛化方面遇到问题。换句话说，您的模型不会“了解”该类

---

2） 为了创建更好的模型，最好有更好的训练集

如果这是一个特例——比如说，每100个班级中就有一个班级是由一张培训图片表示的——那么你可能会侥幸逃脱。然而，每个类都有一个独特的映像会带来麻烦

神经网络通过迭代校正进行学习，找出哪些特征和组合在区分类别时是重要的，哪些不是。培训始于一个与研究有一些相似之处的混乱过程：查看可用数据，形成假设，然后对照真实世界进行测试

在神经网络中，“假设”是它开发的各种内核。每个内核都是一个模式，用于识别对识别过程非常重要的内容。如果您缺少足够的示例，模型无法概括和区分每个类别，那么您就有风险（实际上，您有可能）模型得出的结论对一个输入图像有效，但对同一类别中的其他图像无效

例如，我的一个熟人用自己的照片做了一个典型的猫或狗模型，展示了他自己家里的宠物和几个朋友的宠物。这个模型训练得很好，在测试数据上100%准确地识别猫和狗，他把它投入工作

。。。如果失败了，准确率约为65%（随机猜测为50%）。他做了一些分析，发现了问题：他的朋友有室内的猫，但他们喜欢的狗照片是户外的。很简单，模特学会了辨别猫和狗，而是沙发和橱柜与室外树叶。其中一个主要过滤器是大的、纹理丰富的绿色区域。是的，狗是一种巨大的、有纹理的绿色生物。：-）

---

你的一次性训练唯一可行的方法是，如果你的每一张训练图像都是专门设计的，完全包含了那些将这个类与其他299类区分开来的特征，而没有其他视觉信息。不幸的是，要确定这些可能是什么特性，并提供规范的培训照片，您必须提前知道模型需要选择什么模式

---

这完全挫败了深度学习和模型训练的用例。

1）并非如此possible@Primusa当然这是可能的，但这可能很难，也可能无效我们目前的型号没有。没有一种ML能够正确地学习基于单个图像识别任何训练数据。元学习可能会有所帮助。