Tensorflow 汽车零件的图像识别

我有相当大的汽车零件数据库。 数据是典型的网上商店数据，包括描述、图片、属性

我对以下方面感兴趣： 有可能训练神经网络来识别汽车零件吗？ 我需要多少张照片。每一个汽车零件

---

谢谢

最简单的开始方法是使用预先训练的模型和一种称为迁移学习的技术。该方法通常从一个非常稳健的模型开始，该模型最初经过训练，可以识别大量不同的对象（可能包括也可能不包括汽车零件）。原始模型的最后一层将替换为适合您正在进行的分类类型的未经培训的新层。然后对这几个层进行新分类任务的培训（您案例中的汽车零件）。一个很好的tensorflow教程就是这样给出的

考虑到您有一个已标记的汽车零件图像的大型数据库，您可能能够（重新）训练一个相当健壮的模型。但如果不了解数据库的更多细节，就很难确定每个零件需要多少图像。如果您只想区分不同类型的零件，如电池和活塞，则每个零件只需要很少的训练图像（例如，一些）。但是，如果您试图区分具有细微差异的相同类型的零件，则每个零件可能需要更多的培训示例（例如，十个或数百个）。后一种情况称为细粒度识别——您可以在web上找到许多关于此主题的参考资料