Google vision api vs 构建自己的[关闭]

Question

我有一个非常具有挑战性的图像识别用例。我想检测混合回收的成分，例如粉碎罐头、纸张、瓶子并检测任何异常情况，如玻璃、袋子、鞋子等。

使用 google vision api 尝试图像，结果主要是“垃圾”、“回收”、“塑料”等，可能是因为 api 没有接受过这样的混合和破碎材料的训练？

对于这样的事情，我是否必须使用张量流之类的东西并从我自己的图像构建神经网络？我想我不需要为此使用谷歌，因为张量流是开源的？

谢谢。

Answer 1

因此，一般而言，当您将机器学习应用到新的现实世界用例时，最好掌握一个具有代表性的数据集，在您的情况下，它将是这些垃圾材料的图像。

然后您可以选择一个合适的检测模型（VGG、Inception、ResNet），修改最终分类层以输出您需要的尽可能多的类别标签（在您的情况下可能是“正常”或“异常”，所以 2 个类） .

然后你加载这个网络的预训练权重，因为学习到的特征会泛化（google 'Transfer Learning'），随机初始化你修改后的分类层，然后训练最后一层，也许训练最后两层，或者最后三层（取决于什么效果最好，你有多少数据，泛化）等等。

所以，简而言之： 1. 选择一个预训练模型。 2. 针对您的问题进行修改。 3. 在您自己的数据集上微调权重。