Tensorflow 复杂模式识别的深度学习模型

我正在使用ResNet50进行迁移学习，以识别零食包

它们在主色和形状上彼此相似。下面的图片中显示了这些

我有大约33件物品要识别

我使用FasterRCNN和SSD进行ResNet50

做得不好，很多项目相互混淆

哪种深度学习体系结构适合识别此类对象

或者有什么特殊的技巧可以更好地识别这些物体吗

我认为我们需要架构来识别细节模式

---

请确保您正在连接caffe中最初的预培训网络，或者从网络培训开始

如果您希望增加数据集的大小，我会经常使用相同的图像集，并将每个图像旋转几次

绝对减少图像大小，考虑让你的图片更少的背景噪音来处理（人，可变背景等）

在过去，我使用Alexnet处理类似的问题，但功能差异很小

---

祝你好运

模型在哪个数据集上进行了预训练，您使用了其中的哪些部分？您的数据集有多大？我使用了Tensorflow的预训练Resnet50模型。我使用了更快的\u rcnn\u resnet50\u coco.config（）。我的数据集是每项150张图片。您能提供一些建议来提高准确性吗？谢谢。我的图片大小是1920x1080。我怀疑这对物品大小来说是个大问题。因为更快的rcnn通过自动缩放调整到600图像高度。因此，并非所有的细节特征都很明显。因此，我使用600x1024较小的图像大小进行测试，但其上的项目大小相同。所以细节功能在不同的层次上仍然清晰。谢谢，我会测试和评论的。但我同意你的想法。