"कैसे वर्ग प्रति कई छवियों कम से कम प्रदान की जानी चाहिए?"
निर्भर करता है कि आप कैसे ट्रेन करते हैं।
स्क्रैच से एक नया मॉडल, विशुद्ध रूप से देखरेख प्रशिक्षण हैं: छवियों की संख्या पर एक सामान्य नियम के लिए, यदि आप MNIST और CIFAR कार्य देख सकते हैं। ये कक्षा प्रति 5,000 छवियों के साथ ठीक काम करने लगते हैं। ऐसा है कि आप खरोंच से प्रशिक्षण कर रहे हैं।
आप शायद ImageNet पर प्रशिक्षित मॉडल के साथ अपने नेटवर्क को बूटस्ट्रैप कर सकते हैं। इस मॉडल में पहले से ही अच्छी सुविधाएं होंगी, इसलिए यह कई श्रेणियों के बिना नई श्रेणियों को वर्गीकृत करना सीखने में सक्षम होना चाहिए। मुझे नहीं लगता कि यह आपको एक विशिष्ट संख्या बताने के लिए पर्याप्त अध्ययन है।
तो लेबल हटाया गया डेटा, वर्ग प्रति शायद केवल 100 लेबल किए गए चित्र के साथ प्रशिक्षण। इस विषय पर हाल ही में बहुत से शोध कार्य हैं, हालांकि इमेजनेट के रूप में बड़े कार्यों को स्केल नहीं करते हैं। सरल लागू करने के लिए:
http://arxiv.org/abs/1507.00677
जटिल लागू करने के लिए: "।? हम appx करने की आवश्यकता है प्रति कक्षा प्रशिक्षण छवियों का एक ही राशि प्रदान करते हैं या वर्ग प्रति राशि भिन्न हो सकता है"
http://arxiv.org/abs/1507.02672
http://arxiv.org/abs/1511.06390
http://arxiv.org/abs/1511.06440
यह प्रति वर्ग के विभिन्न उदाहरणों के साथ काम करना चाहिए।
"प्रशिक्षण डेटा में गलत छवि डेटा का असर क्या है? उदाहरण के लिए टेनिस जूते और 50 अन्य जूते के 500 छवियां।"
आप लेबल चौरसाई तकनीक इस पत्र में वर्णित का उपयोग करना चाहिए:
http://arxiv.org/abs/1512.00567
लेबल त्रुटि दर के अपने अनुमान के आधार पर लेबल चिकना।
"क्या हाल ही में प्रकाशित आरंभ-वी 3 मॉडल की तुलना में अधिक कक्षाओं के साथ वर्गीकरण को प्रशिक्षित करना संभव है? मान लें: 30.000।"
हाँ
स्रोत
2015-12-08 18:49:22
आप स्थापना के समय-v3 नेटवर्क परिभाषा है, ताकि आप इसे बदल सकते हैं, या बस वर्गीकरण (तैनाती संस्करण) के लिए इस्तेमाल किया छीन नीचे संस्करण है? –