卷积神经网络的识别类型

Question

我试图创建一个 convolution neural network 用于从具有这些对象组合的大型数据集中识别动物、车辆、建筑物、树木、植物。

在训练的时候我对网络的训练方式产生了疑问。我的疑问是，我是否可以将整个动物的数据集作为单一属性来训练网络，或者分别训练每只动物？

意味着，一组用于狮子，一组用于老虎，一组用于大象等，在测试时我可以对其进行编码以将结果输出为动物，如果它的任何一个子类别得到满足。

我有这个疑问，因为我读到数据集中应该有一个正确的模式来进行有效的检测，并且只有当我们使用对象的子类别而不是大量数据进行训练时才应该有一个模式-放。

我附上了一张显示样本数据集的图（仅在逻辑上正确）。我想知道应该有单独的数据集还是单一的数据集。

Answer 1

在单独的数据集或单个数据集上进行训练将取决于多种因素。如果您想使用卷积神经网络将测试数据集中的图像仅分类为动物而不进一步细分它们，那么应该对单一数据进行训练。但是，如果您计划将图像进一步细分为老虎和狮子，则需要在单独的老虎和狮子数据集上进行训练。

您用于训练的数据集类型将在很大程度上取决于您对测试数据集的分类要求。

此外，您必须确保在将图像用于训练之前对图像进行归一化。