如何确定哪种卷积神经网络架构可以识别自己的数据集？

Question

我有关于巧克力的数据集。 我需要检测它是否有划痕。 我打算使用 Caffe 从卷积神经网络中检测。 但是如何定义适合我的数据集的神经网络架构呢？ 还有当图像中有划痕时如何产生热值？

我已经尝试检测正常的图像处理算法，但它不起作用。

异常图像正常图像

Answer 1

根据您提供的少量信息，网络架构选择应该是您最关心的问题。 “尝试正常的图像处理算法”也是一个相当模糊的说法。

需要考虑的几点

• 数据集有多大？ 巧克力照片是在受控环境中拍摄的，它们总是与您的示例照片相似，还是在野外拍摄，即它们可能具有不同的照明条件、位置等？ 数据集是否平衡？
• 数据集是如何标注的？ 对于指定正常与异常的整个图像，它只是一个 class 吗？ 如果是这样，您只需进行分类，并且可能只是可视化划痕位置的一种方法（如果它们最终成为分类的最突出特征）是使用梯度加权 class 激活图。 另一方面，如果您的数据集在图像上标记了临时点，那么您可以直接将您的网络训练为 output 热图。

一旦你的数据集正确设置了训练和验证集，你就可以从一个简单的基线小型卷积网络架构开始，然后你可以尝试不同的更大的网络架构，如 VGG16、ResNet 等，并检查它们是否提高验证集的性能。