交叉多标记/注释对学习过程的影响是什么？
交叉多标记/注释对学习过程的影响是什么？
提问于 2022-09-04 07:21:51
我有一个关于训练卷积神经元网络的哲学问题。我的工作是训练神经网络，以检测窗口和窗口盲。这是一个交叉标签的问题，也就是说，在每个窗口图像中可能有一个窗口盲，而在每个窗口盲图像中必须有一个窗口。我设法从Open获得数据集，现在我在问自己，在每个txt文件中显示网络唯一批注，或者在每个图像中显示交叉(多)注释时，哪个学习过程更有效？同样的概念也可以出现在人脸问题上。我应该告诉网络im每一张有脸的图像，反之亦然，还是只使用唯一的注解？
回答 1
Data Science用户
发布于 2022-09-04 08:52:49
快速回答:看看YOLO对象检测方法，它实际上会有帮助(即使你正在进行分类)，只需训练一个模型来识别:窗口、百叶窗、无-然后修复后处理中的窗口盲依赖。通过查看最高概率的“百叶窗”来验证您的结果，看看您是否有任何没有窗口的。
在哲学方面，我认为重建是他们在训练一个模型来发现重叠的课程(共享知识)有多大的普遍利益。就我个人而言，我认为这是边际的，至少不足以从这一点开始。建立你的简单的第一个模型-然后从那里升级。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/114081
复制相关文章
相似问题
腾讯云开发者
