用於僅 1900 個樣本的 10 類圖像分類問題的推薦機器學習算法

Question

我正在嘗試確定對涉及 10 個類和僅 1900 個樣本的圖像分類問題采取的正確方法。 圖像（1288 x 964 分辨率）是工業零件，其中每個零件由 10 個類別之一表示； 圖像類別在圖像中存在的序列號以及其他細微特征方面存在本質差異。 我已經考慮過使用 CNN，但我想知道由於數據集的大小，是否不推薦這樣做，即數據集是否太小？ 否則我已經考慮使用 KNN 或 SVM 算法，我認為由於數據較少，我認為它們可能會更好，但需要一些專家指導。 謝謝你。

Answer 1

您可以使用預訓練的特征提取器（在 keras 中是標准的 fe inceptionV3）。 因為它已經在其他數據上進行了訓練，所以只有最后一層應該根據您的特定需求進行重新訓練，並且每類 100 幅左右的圖像應該足以做到這一點