神经网络图像分类器可以区分相似 类 吗？
Can a Neural Network Image Classifier distinguish between similar classes?
我一直在使用 Keras 训练图像分类器，并尝试了各种 convnet 架构。数据集由罐装食物组成。问题是许多 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，因此即使是颜色也常常无法有效区分它们。是否有良好的网络架构或一些预处理能够提高分类器的准确性？
这很可能是可能的，但在尝试之前我们无法确切知道。
您可以尝试使用 SOTA（State of the art）或 near-SOTA 卷积神经网络架构，例如 EfficientNet or ResNeSt。
在常用的深度学习库中，有比标准方法更好的预处理方法，例如 AutoAugment，但它们通常不是必需的，除非您希望将性能提高到极致，或者正在使用非常小的数据进行训练数据集。
此外，使用更大的数据集进行训练肯定会有帮助。
我一直在使用 Keras 训练图像分类器，并尝试了各种 convnet 架构。数据集由罐装食物组成。问题是许多 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，因此即使是颜色也常常无法有效区分它们。是否有良好的网络架构或一些预处理能够提高分类器的准确性？
这很可能是可能的，但在尝试之前我们无法确切知道。
您可以尝试使用 SOTA（State of the art）或 near-SOTA 卷积神经网络架构，例如 EfficientNet or ResNeSt。
在常用的深度学习库中，有比标准方法更好的预处理方法，例如 AutoAugment，但它们通常不是必需的，除非您希望将性能提高到极致，或者正在使用非常小的数据进行训练数据集。
此外，使用更大的数据集进行训练肯定会有帮助。