问题描述
我已经看到谷歌的 AutoML 会使用一些预训练图像增强来增加模型的鲁棒性。 (Adjacent discussion)
我在文档和论坛中搜索了限制这些技术的方法。例如，它将翻转应用于对象。然而，在某些情况下，翻转会损害预测。例如识别图像中的数字。对于大多数字体，2 和 5 的不同足以具有不同的特征，即使在翻转时也是如此。但是，当翻转 2 和 5 时，7 段显示器将具有相同的表示。 7-segment display example
我在每张图像中用许多数字标记了数百张图像。该模型继续混淆 7 段显示器的 2 和 5。它取得了一些成功，但不是一个可以接受的数量。
有谁知道是否可以使用 AutoML 限制图像增强？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）