神经网络图像分类器可以区分相似的类吗？

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。