我正在尝试训练一个学习模型，以识别图像中代表某个已知对象的哪个部分（左/中/右），假设模型的输入可以是以下之一：左部分的图像对象的（整个左侧部分或左侧部分的较小部分）；中心部分（整个中心部分或中心部分的较小部分）的图像；右部分（整个右部分或右部分的较小部分）的图像。对象的位置始终是固定的，因此所有图像都在对象的前面拍摄，在这种情况下，也会要求模型进行预测。 我已经收集了数千个图像，分别属于对象的左，中和右部分。如前所述，对于每个部分，有些图像代表整个部分，而另一些图像则代表该部分的较小部分， 无论如何，我只是想预测图像属于对象的哪一部分（左/中/右），所以我已经将其作为3个标签的分类任务来解决，但我想知道此任务的最佳选择是使用卷积神经网络或其他方法。
任何建议都非常感谢。 谢谢
答案 0 :(得分：0)
由于您试图区分三个独立状态，因此分类方法是一个明智的起点。您可以从this tutorial开始，然后按照您的建议添加一些卷积层。
还有其他方法：分类任务通常意味着每个错误答案都同样是错误的。如果正确的答案是“左”，而您的算法给出的答案是“右”，那么这是否比给出“中”的答案还差？如果是这样，您可能会认为这是一个回归问题。
最后，您可能更喜欢将AI stack exchange论坛用于概念性问题，因为stackoverflow通常是为特定的编码问题保留的。