我正在尝试确定一种正确的方法来解决涉及10个类别和仅1900个样本的图像分类问题。图像（1288 x 964分辨率）是工业零件的，每个零件都由10类之一表示；图像类别在图像中存在的序列号以及其他细微特征方面本质上有所不同。我已经考虑过使用CNN，但想知道是否由于数据集的大小而不推荐这样做，即数据集是否太小了？否则，我考虑过使用KNN或SVM算法，由于数据较少，我认为它们可能会更好，但需要一些专家指导。谢谢。
答案 0 :(得分：0)
您可以使用预先训练的特征提取器（例如keras中的标准inceptionV3）。由于已经对其他数据进行了训练，因此仅应针对您的特定需求对最后一层进行再训练，并且每堂课100张图像就足以做到这一点