如何使用 object 檢測 model 優化 CoreML 圖像分類器 model？

Question

我有一個用 CreateML 創建的圖像分類器 model。

訓練集中的標注大致為：

• 圖像包含 object A -> label a
• 圖像包含 object B -> label b
• 圖像包含 object C -> label Z4A8A08F09D37B73795649038408B5F3
• 圖像包含 object A + B -> label a
• 圖片包含 object A + B + C -> label Z4A8A08F09D37B737953338

您可以說 object A 的優先級高於 B 的對象有一些“優先級”，因此 label a 應該適用。 與 label c 相同，其中 object Z0D61F8370CAD1D412F8Z0B84D143E12 具有最高優先級。

這顯然不是算法的最佳選擇，所以我會使用 object 識別算法，這似乎更合適。 但是我已經有一個龐大的數據集，其中包含 100,000 多個手動正確分類的圖像，這些圖像不會用於訓練算法，我必須從頭開始構建一個新的訓練集來進行 object 檢測，這顯然是一個成本問題並且不會不會很快達到現有數據集的大小。

有沒有一種方法可以利用現有的數據集來構建圖像分類 model 並通過 object 檢測 model 來增強它，我從頭開始手動構建但可能只有幾個項目？

Answer 1

解決此問題的一種方法是使用多標簽分類，其中 model 告訴您 A 存在的概率、B 存在的概率以及 C 存在的概率，但這些是相互獨立的。 不幸的是，Create ML 無法訓練這種 model。