【发布时间】:2017-03-31 09:52:48
【问题描述】:
我目前正在关注 tensorflow 教程。
如果我有一个数据集,其中每个类都包含一个图像。 TensorFlow 会是最佳选择吗?
或者我应该稍微复制和损坏每个图像,以便我在同一个类中有多个图像?类似于他们进行数字识别的方式..
谢谢
【问题讨论】:
标签: machine-learning tensorflow image-recognition
我目前正在关注 tensorflow 教程。
如果我有一个数据集,其中每个类都包含一个图像。 TensorFlow 会是最佳选择吗?
或者我应该稍微复制和损坏每个图像,以便我在同一个类中有多个图像?类似于他们进行数字识别的方式..
谢谢
【问题讨论】:
标签: machine-learning tensorflow image-recognition
您可以使用在 tensorflow 中实现的神经网络进行图像识别。但是,拥有足够的训练数据对于获得良好的性能至关重要。当然,获取更多数据并不总是那么容易,但是每个班级一张图片听起来还远远不够。因此,您绝对应该尝试获取更多数据。
顺便说一下,如果您谈论的是 MNIST 数据集(关于数字识别),它由高中生和美国人口普查局 (see here) 员工编写的数字组成。
增加训练数据量的一种方法可能是稍微修改现有的训练数据,但尝试通过其他方式获取更多数据也是值得的。否则,每个班级的所有训练示例最终都会彼此过于相似。
【讨论】: