使用最少的图像数据设计分类器
Designing a classifier with minimal image data
我想用组织图像训练一个 3-class classifier，但总共只有大约 50 个标记图像。我无法从图像中获取补丁并对其进行训练，所以我正在寻找另一种方法来处理这个问题。
谁能建议解决这个问题的方法？先感谢您。
问题很广泛，但这里有一些建议：
- 生成输入图像的变体可能很有意义。诸如修改对比度、亮度或颜色、旋转图像、添加噪点等操作。但是，这些操作中的哪些操作（如果有的话）真正有意义取决于分类问题的类型。
- 通常，您拥有的数据越少，您的模型应该具有的参数（权重等）就越少。否则会导致过度学习，这意味着您的分类器只会对训练数据进行分类。
- 你应该检查过度学习。一种简单的方法是将您的训练数据分成训练集和控制集。一旦您发现控制集的分类也是正确的，您可以进行包括控制集在内的额外训练。
我想用组织图像训练一个 3-class classifier，但总共只有大约 50 个标记图像。我无法从图像中获取补丁并对其进行训练，所以我正在寻找另一种方法来处理这个问题。
谁能建议解决这个问题的方法？先感谢您。
问题很广泛，但这里有一些建议：
- 生成输入图像的变体可能很有意义。诸如修改对比度、亮度或颜色、旋转图像、添加噪点等操作。但是，这些操作中的哪些操作（如果有的话）真正有意义取决于分类问题的类型。
- 通常，您拥有的数据越少，您的模型应该具有的参数（权重等）就越少。否则会导致过度学习，这意味着您的分类器只会对训练数据进行分类。
- 你应该检查过度学习。一种简单的方法是将您的训练数据分成训练集和控制集。一旦您发现控制集的分类也是正确的，您可以进行包括控制集在内的额外训练。