2回答
我有一个包含477个类(大约500,000张图像)的大型图像数据集。每个类都包含一些不相关的图像，因此当它在模型上进行训练时，模型精度是不可接受的。关于类的数量，在人工的帮助下手动清理数据集需要花费大量的时间。有没有办法自动删除这些图片？(类似于机器学习方法或算法)
浏览 23提问于2018-08-14得票数 1
回答已采纳
我正在使用深度学习在一个包含100个分类的大型数据集上进行图像识别。(与cifar-100的大小相比)我现在正在没有GPU的单个机器上调优超参数。训练速度非常慢。我想知道是否有任何现有的方法来在EC2星火集群上进行训练？我知道有SparkNet，但它似乎只支持Caffe。
浏览 0提问于2016-06-22得票数 3
我正在研究一种机器学习模型，用于使用深度图像检测手部关键点。到目前为止，我看到的数据集包括世界视图和图像视图中关键点/骨架的标签(参见Shrec 17或DHG数据集)。我已经看过几篇论文和它们的实现，它们学习关键点检测的世界坐标。我想了解如何将3D世界坐标映射到深度图像，检查数据的可视化，并可能扩展经过训练的模型，以便在Azure Kinect上
浏览 21提问于2020-11-26得票数 1
我有25张图片的数据集。我希望在这张图片上运行更快的RCNN或yolov3对象检测模型，我想创建我的自定义训练模型，并在运行后获得权重，比如10个历元。稍后，我可以保存这些权重，并将其用于预测。建立一个模型，训练我的图像数据集，并获得权重。有可能吗？
浏览 0提问于2019-10-03得票数 0
如何执行图像分类。获取Breakhis数据集，并使用深度学习对恶性与良性进行分类。
我只能使用Python和Tensorflow。我需要编写数据集拆分、预处理和训练的代码，以及在测试图像上创建预测的代码。如何开始和如何编码？
浏览 4提问于2017-09-26得票数 0
1回答
我目前正在做一个关于语义分割的小组项目，需要用自己的数据集来训练模型。问题是数据集在任何预先训练的模型中都是不可用的，因为目标是检测运动鞋的每一部分(例如。花边，外底，前贴，标志等)。我们的团队成员中没有一个从未学习过深度学习，而是学习过计算机科学。还有一个关于面具的问题-RCNN。预训练模型的权重的确切含义是什么？它是根据DL模型计算的权重吗？
浏览 0提问于2019-08-14得票数 0
回答已采纳
2回答
我有一组代表一系列字符的图像。我想知道OpenCV或其他技术是否可以分割和裁剪图像中的每个字符。
浏览 2提问于2017-04-21得票数 0
1回答
我有一个关于生物医学图像分析的一般性问题。因为生物医学图像需要配准，以便在相同空间中对齐图像并更好地提取特征。我的问题是，基于深度学习的分类是否也需要训练数据集图像的图像配准？在深度学习中，架构本身定义了最佳特征，使用深度神经网络进行腹部CT扫描图像分类是否需要注册？当我们为了更好地训练数据而进行数据<
浏览 34提问于2019-06-04得票数 1
我正在阅读如何清理/处理/争论数据集，以便在它们上运行机器学习算法。很多关于如何做实际争吵的信息，但一个实际的细节似乎被掩盖了:存储。我的问题很简单:为了以最方便、最有效的方式运行算法，哪种是存储/检索大型数据集的入门技术？
我猜算法是用哪种语言编写的，在这里并不完全相关。
浏览 0提问于2016-09-21得票数 0
我已经开始了一个使用深度学习对数据集进行分类的项目。我试过把学习转移到预先训练的模型上。现在，我想设计一个CNN模型，它可以完成分类工作，但在任何地方都需要大量数据。我的问题是:是否有可能在小于1000幅图像的图像数据集上设计深度CNN模型？
浏览 0提问于2018-03-13得票数 0
2回答
类中不同数量的图像
、、、、
我正在做一个深入学习的CNN项目。数据集包含500多个类，类有不同数量的项(图像)。例如，有些类有5幅图像，有些类有10幅，有些类有20幅图像，有些类有超过20幅图像。我可以使用这个数据集来创建CNN模型吗？注:我将使用VGG来训练模型。
浏览 0提问于2018-06-28得票数 3
回答已采纳
我是深度学习的新手；但是，我已经直接从大型数据集(349400张图像)中读取图像，并将其提供给模型： imagePaths = list(paths.list_images(''))label = imagePath.split(os.path.sep)[-4]
image = cv2.imread(imagePath) 现在，我有了一个json文件，其中包含此数据集的一部分(340191张
浏览 27提问于2021-08-07得票数 0
回答已采纳
2回答
我有代码来分类为裸体或非裸体的图像。它是用张量流python实现的深度学习。代码可以在中找到
我想在数据集中添加更多的图像，以便进行微调。如何通过使用另一个数据集在此实现中进行微调。
浏览 0提问于2018-06-21得票数 0
简单地说，我想利用胸部X光图像来检测患者是否患有肺癌。 我在这里面临的问题是:我有来自3个不同来源的3个数据集，其中3个主题都是胸部X光图像，假设所有其他医学属性也是相同的。第一个数据集包含130张正常和癌症诊断患者的图像。第二个数据集包含40张正常患者的图像，第三个数据集包含120张癌症患者的图像。 因此，我想组合来自3个不同来源的3个数据<e
浏览 63提问于2019-04-15得票数 1
回答已采纳
作为深度学习的新手，我有点挣扎于掌握一次尝试学习的想法。
假设我有一个类来检测训练数据集(如COCO或Image )中不存在的类。我是否可以仅使用图像来训练该类的模型，或者训练集必须与YOLO或RCNN一样大？
浏览 0提问于2021-05-04得票数 1
回答已采纳
1回答
我从tensorflow和深度学习开始，我想对一些图像进行分类，以了解它们是否属于某个类别(例如，狗或不是狗)。
目前我有需要的类数据，但我不确定必须如何将数据集构建为“非类”。该类的数据可以是不显示所需类的任何图像(例如，鸟、建筑物、弓等)，或者必须符合某些标准？(例如，仅限建筑物)，或者可能有某种方法只使用一个类数据进行训练？编辑:关于我想要实现的更多细节，仅
浏览 0提问于2017-10-19得票数 0
2回答
为了准备大量的数据集以训练基于深度学习的图像分类模型，我们通常需要依赖于图像增强方法。我想知道通常的图像增强算法是什么，在选择它们时有什么考虑吗？
浏览 3提问于2016-10-18得票数 0
回答已采纳
1回答
如何创建用于图像分类的数据集
、、、、
我用我从网上收集到的图像训练了一个模型。然后，当使用新收集到的网络图像进行推理时，性能较差。编辑我添加了一些错误分类的图像到培训数据集，尽管性能评估变得更好。
浏览 4提问于2022-08-02得票数 -1
回答已采纳
众所周知，深度网络往往优于浅层网络和其他经典的机器学习技术，例如在涉及图像的学习任务上进行增强。我相信这是因为从低像素强度中提取有用的高层次特征需要深入的模型。我很想知道是否有任何非图像数据集(例如，通常在UCI存储库中发现的表格数据集)，这些数据集需要深层网络才能获得良好的性能，而浅层网络的性能往往较差。
浏览 0提问于2019-12-06得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
