卷积神经网络图像识别

Question

目前我正在开发一个使用tensorflow的卷积网络项目，我已经建立了网络，现在我需要训练它。我不知道图像应该如何用于训练。就像对象训练的图像的百分比一样。 这是我必须检测的香烟，我已经尝试了大约280张个人照片，其中香烟约占图像的2-5％。我正在考虑废弃这些照片并采取新的图片，其中香烟约占图像的30-50％。 所有的照片都在街头环境中拍摄。

所以我的问题是：在训练集中有关于好照片的规则吗？ 我在尝试自己的解决方案时会报告

Answer 1

您尝试识别的对象太小。我认为在Sample中，第一个将是您的最佳选择。卷积神经网络通过对图像像素进行卷积运算来工作。在第二张图片中，与您要识别的对象相比，背景太大。对此类数据进行培训不会帮助您。

Answer 2

只需尝试回答您的规则问题： 确保香烟占据图像的最大区域。可能是50％到90％（根据经验）。您仍然可以识别出2％到3％的香烟，但是您需要数百万个背景不同的图像。

CNN从输入图像中学习。查看您共享的示例图像（我猜所有图像都是从路边平台和草地拍摄的）。如果您的背景占据图像的最大面积，那么CNN可能不会学会找到香烟，而是会学会检测普通背景。请确保保留不同的背景图案。