【发布时间】：2022-08-16 20:01:01
【问题描述】：
所以我想创建一个模型，可以将水果分类为“新鲜”或“腐烂”。目前我使用了来自 kaggle 的这个数据集 - https://www.kaggle.com/datasets/sriramr/fruits-fresh-and-rotten-for-classification
然后，我使用 LabelImg 为大约 3,400 个图像（包括新鲜苹果、烂苹果、新鲜橙子、烂橙子、新鲜香蕉和烂香蕉）应用边界框，但我没有使用 6 个不同的类/标签，而是使用了 2 个名为 \ “新鲜”和“烂”。
我现在得到了非常好的结果，但我想扩大模型以便能够识别更多水果，例如猕猴桃。
这样做的理想方法是什么？
我尝试将新鲜猕猴桃和腐烂猕猴桃的图像添加到现有数据集中并训练一个新模型，但该模型仍然将新鲜猕猴桃归类为腐烂（我猜这是因为褐色与来自苹果、橙子和香蕉的 3000 多张图像的腐烂有关)。
我要制作一个带有 8 个标签的新模型吗？所以“新鲜苹果、烂苹果、新鲜猕猴桃、烂猕猴桃……”。
我不确定当一个标签的图像比其他标签多时，偏见是如何发挥作用的。
标签： computer-vision classification object-detection yolo yolov5