我想使用 Caffe 和 Caffe 附带的 googlenet 结构来训练基于我自己的图像数据的模型。 我有14个类别进行分类。但我确实只有大约 250 张图像用于训练,80 张用于测试。这够了吗?有没有办法知道每堂课我需要多少张图片?
最佳答案
解决方案1: 只需微调顶层,因为您只有很少的数据。通过这种方式,您可以将网络视为特征提取器,并且只需在这些特征上训练分类器即可。
解决方案 2: 尝试积极的数据增强。例如,您可以尝试随机平移、缩放、旋转数据。这样,就可以从一张训练图像中得到很多张图像。
解决方案 3: 最有效的方法是尝试获取更多真实数据。数据对于深度学习非常重要。根据经验,一类至少有 1000 张图像。
关于machine-learning - Caffe的输入数据量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34807319/