我正在开发一种车辆分类模型，该模型应该能够区分30个类别的图像。所有图像均使用Google API下载。 Keras将用于使用tensorflow后端训练模型。每个类别应包含多少张图像以实现最大准确性？ 请建议从头开始训练时每个班级应使用的图像数量？以及是否根据预训练模型进行训练？以及要使用哪个预训练模型？
我现在在我的训练集中每个班级大约有90张图像，由于图像数量太少，我不太愿意。在我的上一个项目中，我从零开始开发了一种汽车分类模型，该模型具有4个类别，每个类别约有1000张图像，并且能够达到约97％的准确性。