训练 Watson Visual Recognition 分类器

Question

我正在尝试评估 Watson 视觉识别 API 的训练功能。 有没有人为 Visual Recognition 定制分类器的经验？ 我自己在训练分类器方面有一些经验，并在此博客中找到了一些信息： http://christopher5106.github.io/computer/vision/2016/12/23/ibm-watson-bluemix-visual-api-to-create-custom-classifier.html

我真正想知道的是，我需要多少张图片才能以 75% 的准确率对其进行分类？ 需要多长时间才能得到这样的结果？

提前感谢您的帮助。

Answer 1

您需要的图片数量取决于对象的独特程度、一张图片具有多少不同的图像特征等。

举几个我亲身经历的例子：

Logo检测：通过添加噪点、改变对比度、做小的扭曲和旋转等，可以使用一张logo的图像来创建多个样本。如果logo详细且对比度良好，你应该很容易得到75%。

使用 Haar 小波进行猫检测：100 张带有数据增强的图像可以产生大约 75%

人耳检测：大约 300 张图像可以让我达到 80% 左右。该检测器正在用于虚拟试戴眼镜的 iPhone 应用程序中。

您也可以使用 Kaggle's Dogs Vs 自己尝试一下。猫的数据。只需使用不同数量的数据对它们尝试各种分类器，您就会得到一个非常好的主意。