我所在的班级与其他班级的功能稍有不同： 前-此图片有扣（将其视为一类）https://6c819239693cc4960b69-cc9b957bf963b53239339d3141093094.ssl.cf3.rackcdn.com/1000006329245-822018-Black-Black-1000006329245-822018_01-345.jpg
但是此图像与它非常相似，但是没有扣： https://sc01.alicdn.com/kf/HTB1ASpYSVXXXXbdXpXXq6xXFXXXR/latest-modern-classic-chappal-slippers-for-men.jpg
对于在这种情况下实际学习像素到像素值的情况下使用哪种模型，我一点也不感到困惑。
任何想法都是可以理解的。 谢谢！
我已经尝试过Inception，Resnet等模型。
使用较少的火车数据（每个班级300-400）可以达到良好的召回率/准确性/ F1得分。
答案 0 :(得分：0)
由于数据集很小，您可能想研究迁移学习，您可以做的是使用转移的ResNet模型作为特征提取器，然后尝试YOLO（仅查看一次）算法，逐一检查窗口（使用ConvNets的“滑动窗口”实现）来获取皮带扣，并据此对图像进行分类。
根据我对数据集的理解，尽管您将需要根据YOLO算法的要求重新注释数据集，但要执行上述方法。
要查看上述方法的示例，请访问https://mc.ai/implementing-yolo-using-resnet-as-feature-extractor/
编辑：如果您使用XML注释的数据集，并且需要将其转换为csv以遵循上述示例，请使用https://github.com/datitran/raccoon_dataset
建模愉快。
