最近，我通过无耻地窃取了Tensorflow For Poets等教程中使用的再训练技术来重新训练移动网络，从而建立了具有约97.5％识别率的模型。在验证中，不同类别的图像的准确性水平差异很大。我希望使用已有的有关图像内容的信息来提高准确性，希望基于提高的准确性（我看到建立自定义的经过训练的模型），这是有可能的。
我要分类的图像是相当一致的，在分类之前，我要加载大量结构化的元数据，以详细说明图像中将要显示的内容，但不一定直接与我要分类的标签有关。 “通用”模型似乎具有比其他图像具有明显更高分类精度的图像片段（基于上述元数据进行了细分）。如果我专门为每个细分市场构建一次性模型，则可以显着改善广义模型中表现不佳的部分（低于90％），并使它始终保持在97％以上。
但是，建立一次性模型是
非常麻烦，因为我必须建立一个过程来构建/训练模型。没关系，但是：
输出的模型每个都在10MB以上，我有成百上千个可能的细分。这使部署很麻烦。
是否存在用于将已知的，结构化的元数据添加到特征向量中或使用元数据重新训练模型以提高训练准确性的通用模式？我是一名行业软件工程师，而我的google-foo在这方面使我失望，因为我认为我不知道正确的术语。