图像识别汽车零件

Question

我可以访问相当大的汽车零件数据库。 数据是典型的在线商店数据，包括描述，图片，属性......

我会对以下内容感兴趣： 是否有可能训练神经网络识别汽车零件？ 我需要多少张照片。对于每个汽车零件？

谢谢！

Answer 1

最简单的方法是使用预训练模型和称为转移学习的技术。该方法通常以非常健壮的模型开始，该模型最初被训练以识别大量不同的对象（可能包括或可能不包括汽车部件）。原始模型的最后一层将替换为适合您正在进行的分类类型的新的未经训练的图层。然后在新的分类任务（您的案例中的汽车零件）上训练这几个层。有一个很好的张量流教程给出了here。

鉴于你有一个已经贴上标签的汽车零件图像的大型数据库，你可能会（重新）训练一个相当健壮的模型。但是，如果不了解有关数据库的更多细节，很难确定每个部件需要多少图像。如果您只想区分电池和活塞等非常不同类型的部件，则每个部件（例如少数）需要很少的训练图像。但是，如果您尝试区分相同类型的部分并且存在细微差别，则每个部分可能需要更多的训练示例（例如数十或数百）。后一种情况称为细粒度识别 - 您可以在网络上找到很多关于此主题的参考资料。