CNN 圖像分類，一條記錄有多個輸入圖像

Question

我有一個包含20,000輛汽車和80,000張圖像的數據集。

• 每輛車由 4 張圖像表示。
• 10,000輛汽車完好無損，沒有任何損壞（第一個文件夾）
• 10,000 輛汽車受損，4 張圖片中至少有一張汽車有明顯損壞（第二個文件夾）

在我看來，我至少可以看到兩種方法：

1. 從四個圖像創建一個大圖像並創建一個矩陣表示
2. 創建一個輸入，其中一輛車（一次觀察）由 4 個輸入表示。
3. 手動標記汽車損壞的圖像。

就我個人而言，我想使用選項2來 go - 但我不知道如何實現這個輸入。

我想像使用 RGB 通道時那樣堆疊圖像，但我知道 CNN 正在深入，所以我認為這可能會在訓練時引起一些問題。

還有另一種實現多圖像輸入的方法嗎？ 所以對於一輛車（觀察/汽車）我可以指定四個不同的矩陣？

__

編輯：

我只有信息，這輛車被損壞了。 我現在知道哪些圖像包含損壞的部分。

Answer 1

使用 4 個通道的選項 2應該可以工作，但是從輸入和訓練的角度來看，它看起來過於復雜了。 選項 1也是如此。

對我來說，您似乎需要一種識別損壞汽車圖片的算法，對於此類任務，我認為最好的方法是在一個通道上進行訓練，標記每張圖像。

選項 3有很多優點：

1. 將使 model 更小。
2. 會讓訓練更輕松。
3. 從 1 和 2 開始，您可以期望花費時間的准確性更高。
4. 將使您的 model 對意外輸入更加穩健。

假設現在每輛車只有 2 或 5 張圖片，或者只是組中有一張不是汽車的圖片，使用頻道選項或“大矩陣”選項，您需要在頂部制定一些策略處理這些案件。

如果您改為制作一個通用的圖片碰撞識別算法，您可以在一輛汽車的 4 或 n 張圖片上運行它，只要其中一張顯示損壞，那么您就可以預測損壞。

主要缺點是標記 10k 圖片看起來像是一堆工作，但它們應該首先被逐張標記，而不是在 4 個圖片集群中。

其他選擇可能是開發一種無監督學習算法，該算法在不使用標簽的情況下發現損壞的未損壞汽車之間的差異，但這也可能使火車更難，如果您已經有標簽，model 會更復雜。