问题描述
我一直在使用Keras训练图像分类器,并尝试了各种convnet体系结构。数据集由食物罐组成。问题在于,许多类非常相似,它们之间的差异通常只是标签和颜色略有不同。另一个问题是图像是在不同的光照条件下拍摄的,因此即使彩色也常常是区分图像的无效手段。是否有一个好的网络体系结构或某种预处理程序,可以提高分类器的准确性?
解决方法
有可能实现,但是在尝试之前我们无法确切知道。
您可以尝试使用SOTA(最新技术)或近SOTA卷积神经网络体系结构,例如EfficientNet或ResNeSt。
比通常的深度学习库(例如AutoAugment)中的标准方法更好的预处理方法,但是通常没有必要,除非您希望最大程度地提高性能或使用非常小的数据集进行训练。
此外,使用更大的数据集进行培训肯定会有所帮助。