假设我想按型号对摩托车进行分类。
能否请您指出一个实际示例，该示例演示了如何根据您的数据训练模型，然后使用它对图像进行分类？它需要是一个深度学习模型，而不是简单的逻辑回归。
我不确定，但我似乎无法使用预训练的神经网络，因为它已经在猫、人类、汽车等广泛的对象上进行了训练。他们可能不太擅长区分我感兴趣的摩托车细微差别。
我发现了几个这样的例子（tensorflow 有一个），但遗憾的是，它们都使用了预训练模型。没有一个例子有如何在你自己的数据集上训练它。
【问题讨论】：
标签： machine-learning tensorflow neural-network classification deep-learning
在像您这样的情况下，您可以使用迁移学习或微调。如果你有超过一千张摩托车图像，我会使用微调，如果你有较少的迁移学习。
微调是使用预先训练的模型并使用不同的分类器部分。然后新的分类器部分可能是训练模型的最后 1-2 层被训练到您的数据集。
迁移学习意味着使用预先训练的模型并让它输出输入图像的特征。现在您使用基于这些特征的新分类器。可能是 SVM 或逻辑回归。
可以在此处看到一个示例：https://github.com/cpra/dlvc2016/blob/master/lectures/lecture10.pdf。幻灯片 33。
【讨论】：
来自kaggle challenge 的这篇论文Quick, Draw! Doodle Recognition 可能与您正在做的事情足够相似。代码在github。如果每个类别只有几百张图片，您可能需要一些 data augmentation。
【讨论】：
你想要的是漂亮的 EZ。跟随暗网YOLO实现
指令：https://pjreddie.com/darknet/yolo/
代码https://github.com/pjreddie/darknet
在 COCO 上训练 YOLO 如果您想使用不同的训练机制、超参数或数据集，可以从头开始训练 YOLO。以下是如何让它在 COCO 数据集上运行。
获取 COCO 数据 要训练 YOLO，您将需要所有 COCO 数据和标签。脚本 scripts/get_coco_dataset.sh 将为您执行此操作。找出你想把 COCO 数据放在哪里并下载它，例如：
cp scripts/get_coco_dataset.sh data
cd data
bash get_coco_dataset.sh
在里面添加您的数据并确保它与测试样本相同。 现在您应该拥有为 Darknet 生成的所有数据和标签。
然后使用预训练的权重调用训练脚本。
请记住，仅在摩托车上进行训练可能无法获得良好的估计。会有偏差的结果出来，我把它涂在 b4 的某个地方。
其余的都在链接内。祝你好运
【讨论】：