我正在尝试评估Watson visual Recognition API的训练功能。 有没有人在使用视觉识别的经典分类器方面有一些经验？ 我自己有一些关于训练分类器的expierence，并在此博客中找到了一些信息： http://christopher5106.github.io/computer/vision/2016/12/23/ibm-watson-bluemix-visual-api-to-create-custom-classifier.html
我真正想知道的是，我需要多少图片来对象进行分类，准确率为75％？ 获得这样的结果需要多长时间？
提前感谢您的帮助。
答案 0 :(得分：2)
您需要的图片数量取决于对象的独特之处，图片与图片的特征有多少等等。
根据我自己的经验给你一些例子：
徽标检测：徽标的一个图像可用于通过添加噪点，改变对比度，进行小的扭曲和旋转等来创建多个样本。如果徽标细节且具有良好的对比度，则应轻松获得75％。
使用Haar小波进行猫检测：100张具有数据增强功能的图像可以产生大约75％
人耳检测：大约300张图像可以让我达到80％左右。该探测器用于iPhone应用程序，用于虚拟试戴眼镜。
你也可以自己尝试使用Kaggle＆＃39; s Dogs Vs.猫数据。只需尝试使用不同数据量的各种分类器，您就会得到一个非常好的主意。