是否裁剪用于Tensorflow训练的图像？

我在玩TensorFlow，我用。我用自己的图片内容为应用程序提供素材和培训

一切顺利，直到我开始有几个类别

例如，一开始我只有：

并取得了良好的成绩（分数约为0.95分）

然后我加上：

结果的准确率开始下降，我在没有戴帽子的人身上得到了0,94分

为了获得更好的结果，我使用了文档中所写的arg——多少个培训步骤4000

因此，我认为我没有正确地教授应用程序：

• 我是否必须用显示帽子没有身体或整个身体和帽子的裁剪图像来喂养它？鞋子、戛纳等也一样
• 每个分类至少需要多少张图片才能获得好的结果？我看到了花的例子，每个花的名字有600-800张图片，实际上每个类别有150张图片
• 我必须使用对抗图像吗？比如一个头或一个身体有一顶帽子在一个文件夹帽子和一个头或一个身体没有帽子在一个文件夹没有帽子
• 我必须在多个类别中使用相同的图像吗？例如，对于一个戴帽子、穿鞋子的家伙和一个戛纳人，我将图像复制到文件夹“帽子、鞋子、戛纳”中

---

Inception v3是一个图像分类系统，这意味着它给出了整个图片中每个类别的概率。您可以使用输出概率来推断图片中除了顶部结果之外还有什么，但这并不是此模型的目的

我建议：

它可能会返回一个标题，如“戴戛纳帽子的男人”

---

编辑：如果你打算使用一个图像分类系统，每个类至少应该有100个图像（这是最小值），并且每个图像应该只适合一个类。如果您想让系统处理不属于任何类别的图像，而不是像“无帽子”这样的反类别，只需使用一个“其他”类别即可。

Inception v3是一个图像分类系统，这意味着它为整个图片提供了每个类别的概率。您可以使用输出概率来推断图片中除了顶部结果之外还有什么，但这并不是此模型的目的

我建议：

它可能会返回一个标题，如“戴戛纳帽子的男人”

编辑：如果你打算使用一个图像分类系统，每个类至少应该有100个图像（这是最小值），并且每个图像应该只适合一个类。如果您希望系统处理不属于任何类别的图像，请使用一个“其他”类别，而不是像“无帽子”这样的反类别

-hat

-shoes
-canne