如何使用对象检测模型改进 CoreML 图像分类器模型？

Question

我有一个使用 CreateML 创建的图像分类器模型。

训练集中的标注大致为：

• 图像包含对象 A -> 标签 a
• 图像包含对象 B -> 标签 b
• 图像包含对象 C -> 标签 c
• 图像包含对象 A + B -> 标签 a
• 图像包含对象 A + B + C -> 标签 c

您可以说对象 A 的优先级高于 B 的对象有一些“优先级”，因此应该应用标签 a。与标签 c 相同，其中对象 C 具有最高优先级。

这显然不是算法的最佳选择，所以我会使用一个看起来更合适的对象识别算法。但是我已经有一个庞大的数据集，其中包含 10 万张手动正确分类的图像，这些图像不会用于训练算法，而且我必须从头开始构建一个新的训练集来进行对象检测，这显然是一个成本问题，而且不会不会很快达到现有数据集的大小。

有没有一种方法可以利用现有数据集构建图像分类模型，并使用我从头开始手动构建但数据集中可能只有几百个项目的对象检测模型对其进行扩充？

Answer 1

解决这个问题的一种方法是使用多标签分类，其中模型告诉你 A 存在的概率、B 存在的概率和 C 存在的概率，但这些是相互独立的.不幸的是，Create ML 无法训练这种模型。