作者Plot3D (3D做图)
看板DataScience
标题[问题] 标签多 训练集少
时间Wed Oct 10 22:16:28 2018
作业系统:(ex:mac,win10,win8,win7,linux,etc...)
ubuntu
问题类别:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...)
CNN 图像辨识
使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...)
python, tensorflow, keras
问题内容:
大家好，我想请求指路，
目前我遇到的问题是标签很多，大约是有500k个label的图像辨识，
但是每个label可以有的训练图片可能是10张照片左右，
这跟以往深度学习的状况好像反过来，
以往深度学习的问题常常都是label比较少，但有大量的训练集可以训练模型，
请问这问题有办法用CNN或者它的衍生方法来解吗？
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 223.136.32.228
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1539180992.A.AB8.html
1F：→ yoyololicon: 太多惹ㄅ...能不能化简? 10/11 00:00
2F：→ Plot3D: 没办法耶 每个都是一个物品 10/11 09:06
3F：→ f496328mm: 你叫人来学，都不一定学的好了 10/11 12:10
4F：→ yoyololicon: 换个题目ㄅ 10/11 16:59
5F：推 Kazimir: 很难 不过一定要做的话先想办法transfer 然後每招都试试 10/11 17:15
6F：推 germun: 比较简单的做法就是先前处理多产生些样本 10/12 09:43
7F：→ germun: 像是物体变形、换背景、换颜色换style...等等 10/12 09:44
8F：→ germun: 不过你的label还是太多了, imagenet也才1000种 10/12 09:46
9F：→ germun: 真的要CNN的话就是多几个分类器, 先简化再细分吧像SVM那样 10/12 09:48
10F：推 toc1001adam: Data argumentation 10/12 19:27
11F：→ yoyololicon: 我觉得你可能要重新想想看问题是否适合用DL 10/12 19:32
12F：→ yoyololicon: 或是把问题换个方向思考 10/12 19:33
13F：推 whsunset: 听起来可以用人脸辨识的方法做，不过感觉还是太难了XD 10/13 16:30
14F：推 EGsux: one shot learning? 10/13 18:38
15F：推 chobit199685: 这叫做要数据增强,如果是影像可以用旋转增加数据集 10/16 11:04
16F：推 howayi: Conditonal Neural Process 10/17 20:23
17F：→ supermmi: label超过十类我就想放弃了，你还500k，做资料增强也没 10/30 13:07
18F：→ supermmi: 用啦 10/30 13:07
19F：推 dongogo: 好奇这是什麽应用 11/02 22:55