如何使用对象检测模型改进 CoreML 图像分类器模型？
How to refine a CoreML image classifier model with an object detection model?
我有一个用 CreateML 创建的图像分类器模型。
训练集中的标注大致为：
- 图像包含对象 A -> 标签 a
- 图像包含对象 B -> 标签 b
- 图像包含对象 C -> 标签 c
- 图像包含对象 A + B -> 标签 a
- 图像包含对象 A + B + C -> 标签 c
您可以说对象 A 比 B 具有更高的优先级，因此应该应用标签 a。与标签 c 相同，其中对象 C 具有最高优先级。
这显然不是算法的最佳选择，所以我会使用一个看起来更合适的对象识别算法。但是我已经有一个庞大的数据集，其中包含 100.000 多张手动正确分类的图像，这些图像不会用于训练算法，而且我必须从头开始构建一个新的训练集来进行对象检测，这显然是一个成本问题并且不会'不会很快达到现有数据集的大小。
有没有一种方法可以利用现有数据集来构建图像分类模型，并使用我从头开始手动构建但数据集中可能只有几百个项目的对象检测模型来增强它？
解决这个问题的一种方法是使用多标签分类，其中模型会告诉您 A 存在的概率、B 存在的概率以及 C 存在的概率，但这些与另一个。很遗憾，Create ML 无法训练这种模型。
我有一个用 CreateML 创建的图像分类器模型。
训练集中的标注大致为：
- 图像包含对象 A -> 标签 a
- 图像包含对象 B -> 标签 b
- 图像包含对象 C -> 标签 c
- 图像包含对象 A + B -> 标签 a
- 图像包含对象 A + B + C -> 标签 c
您可以说对象 A 比 B 具有更高的优先级，因此应该应用标签 a。与标签 c 相同，其中对象 C 具有最高优先级。
这显然不是算法的最佳选择，所以我会使用一个看起来更合适的对象识别算法。但是我已经有一个庞大的数据集，其中包含 100.000 多张手动正确分类的图像，这些图像不会用于训练算法，而且我必须从头开始构建一个新的训练集来进行对象检测，这显然是一个成本问题并且不会'不会很快达到现有数据集的大小。
有没有一种方法可以利用现有数据集来构建图像分类模型，并使用我从头开始手动构建但数据集中可能只有几百个项目的对象检测模型来增强它？
解决这个问题的一种方法是使用多标签分类，其中模型会告诉您 A 存在的概率、B 存在的概率以及 C 存在的概率，但这些与另一个。很遗憾，Create ML 无法训练这种模型。