我需要在工业场景中执行紧固件状态检测，但是分类数据集的数量太少。因此，我们希望使用转移学习通过建模来实现分类学习。 原始数据如下： [1]：https://i.stack.imgur.com/OXyZc.jpg [2]：https://i.stack.imgur.com/nP02x.jpg [3]：https://i.stack.imgur.com/4YWsh.jpg
建模数据如下： [4]：https://i.stack.imgur.com/Hcnij.jpg [5]：https://i.stack.imgur.com/OrKVX.jpg [6]：https://i.stack.imgur.com/gfjQM.jpg
共有三种类型，每个类别大约有2000张图片。 [7]：https://i.stack.imgur.com/1gZud.png
以上是 mobilenetv3 的结果，其他模型的结果相似，损失大且波动大，准确性低。
因为我是图像处理的初学者，所以我想寻求有关如何优化结果的杰出专家的帮助。数据？模型？或其他
