Art der Erkennung von Faltung neuronales Netzwerk

Question

Ich habe versucht, eine convolution neural network für die Erkennung von Tieren, Fahrzeugen, Gebäuden, Bäumen, Pflanzen aus einem großen Datensatz mit der Kombination dieser Objekte zu erstellen.

Zum Zeitpunkt des Trainings hatte ich Zweifel, wie das Netzwerk trainiert werden sollte. Mein Zweifel ist, ob ich das Netzwerk mit dem Datensatz von ganzen Tieren als ein einzelnes Attribut ausbilden oder jedes Tier einzeln ausbilden könnte?

Mittel, eine Gruppe für Löwen, eins für Tiger, eins für Elefanten usw. und zum Zeitpunkt des Testens kann ich es kodieren, um das Ergebnis als Tier auszugeben, wenn eines seiner Unterkategorie erfüllt ist.

Ich habe diesen Zweifel, seit ich gelesen habe, dass es ein korrektes Muster im Datensatz für die effiziente Erkennung geben sollte und es sollte nur dann ein Muster geben, wenn wir mit der Unterkategorie von Objekten als dem riesigen Datensatz trainieren .

Ich habe eine Abbildung angehängt, die den Beispieldatensatz zeigt (nur logisch korrekt). Ich möchte wissen, ob es einen separaten Datensatz oder einen einzelnen Datensatz geben sollte.

Answer 1

Training auf einem separaten Datensatz oder eine einzelne Datensatz wird von einer Vielzahl von Faktoren ab. Wenn Sie die Bilder in Ihrem Testdatensatz mithilfe des Convolution Neural Network nur in Tiere einteilen und nicht weiter unterteilen möchten, sollten Sie eine Schulung für einzelne Daten durchführen. Wenn Sie jedoch beabsichtigen, die Bilder weiter in Tiger und Löwen zu unterteilen, dann muss das Training in separaten Tigers und Löwen-Datasets durchgeführt werden.

Der Typ des Datensatzes, den Sie für das Training verwenden, hängt stark von Ihren Anforderungen für die Klassifizierung im Testdatensatz ab.

Darüber hinaus müssen Sie sicherstellen, dass Sie die Bilder normalisieren, bevor Sie es für das Training verwenden.