物体检测还是图像分类？训练模型识别扑克牌

Question

我最近一直在尝试对象检测，使用 Faster R-CNN 和 YOLOv7 在预先存在的数据集上训练模型。

使用UNO card dataset，我根据左上角的符号非常准确地检测到 UNO 卡的类型。我使用了一种对象检测方法，UNO 卡仅被分为 14 类。

基于此，我想知道增强模型以用于其他更全面的纸牌游戏的最佳方法是什么。 以 Munchkin 之类的纸牌游戏为例，它有 1000 种不同的纸牌。对于像这样的纸牌游戏，对象检测可能不是最好的方法，因为有 1000 种不同的类别需要考虑。

---

我正在考虑的两种不同方法：

使用对象检测，创建 x 多个类，因为游戏中有不同的纸牌，训练模型以单独检测每张纸牌

或者

使用对象检测，使用扑克牌训练模型检测扑克牌本身，然后将检测到的扑克牌作为图像分类算法的输入

对我来说，这两种方法各有利弊：

第一种方法可能更准确，因为它会单独检测每张卡。另一方面，在我看来，它需要相当多的类和数据来提供给这些类。使用更多独特的卡片扩展模型也可能很困难，因为您每次都必须重新运行模型。

第二种方法可能不那么准确，因为它可能不仅会检测纸牌，还会将其他对象识别为纸牌。另一方面，在我看来，用更多独特的卡片扩展模型要容易得多。

---

这里最好的方法是什么？您对此有不同的方法吗，哪种方法可能更有效？

Answer 1

在这两个选项之间，我更愿意选择第二个选项。在我看来，优点压倒缺点。这肯定更容易扩展，如果你想将这个模型扩展到其他纸牌游戏，这是一个有价值的点。但我也建议只使用普通图像分类。我不确定它是否可以胜过第二个选项（我认为它不能）但可以更快，如果它仍然很好为什么不试一试。我认为一个标准的多标签 CNN 值得一试。