图像修改会给我一个更好的机器学习模型吗?
我有以下情况。相机是固定的,可以拍摄过程的照片。该过程有几个状态。现在我想训练一个给定照片的模型来分类照片属于哪个状态。即进程的当前状态是什么。
对于模型训练,我只为每个过程状态提供了一张照片。
现在我的问题是我应该在每个班级用一张照片训练我的模型,还是应该拍一张照片并对照片进行随机修改以便为每个班级拍摄几张照片?
我认为培训最好只有一张真实的照片。而不是大量修改。我对吗?
我使用 Visual Studio 的 ML.NET 插件来训练图像分类模型。
图像修改会给我一个更好的机器学习模型吗?
我有以下情况。相机是固定的,可以拍摄过程的照片。该过程有几个状态。现在我想训练一个给定照片的模型来分类照片属于哪个状态。即进程的当前状态是什么。
对于模型训练,我只为每个过程状态提供了一张照片。
现在我的问题是我应该在每个班级用一张照片训练我的模型,还是应该拍一张照片并对照片进行随机修改以便为每个班级拍摄几张照片?
我认为培训最好只有一张真实的照片。而不是大量修改。我对吗?
我使用 Visual Studio 的 ML.NET 插件来训练图像分类模型。
永远不能 100% 说数据预处理方法会产生积极的结果。因此,如果您尝试不同的事情,请始终测试并使用指标来查看最有效的方法。
话虽如此,您所描述的通常是指数据增强,即通常从现有数据点生成更多数据点。这是非常普遍的做法,因此我鼓励您尝试解决您的问题。常见的技术包括翻转、移动或旋转原始图像。
每个类只有几个例子的问题称为零样本或少样本学习。已经设计了诸如孪生网络之类的特定技术来解决这些问题。这是一个很好的博客,可以作为参考。