作者Plot3D (3D做圖)
看板DataScience
標題[問題] 標籤多 訓練集少
時間Wed Oct 10 22:16:28 2018
作業系統:(ex:mac,win10,win8,win7,linux,etc...)
ubuntu
問題類別:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...)
CNN 圖像辨識
使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...)
python, tensorflow, keras
問題內容:
大家好，我想請求指路，
目前我遇到的問題是標籤很多，大約是有500k個label的圖像辨識，
但是每個label可以有的訓練圖片可能是10張照片左右，
這跟以往深度學習的狀況好像反過來，
以往深度學習的問題常常都是label比較少，但有大量的訓練集可以訓練模型，
請問這問題有辦法用CNN或者它的衍生方法來解嗎？
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.136.32.228
※ 文章網址: https://webptt.com/m.aspx?n=bbs/DataScience/M.1539180992.A.AB8.html
1F：→ yoyololicon: 太多惹ㄅ...能不能化簡? 10/11 00:00
2F：→ Plot3D: 沒辦法耶 每個都是一個物品 10/11 09:06
3F：→ f496328mm: 你叫人來學，都不一定學的好了 10/11 12:10
4F：→ yoyololicon: 換個題目ㄅ 10/11 16:59
5F：推 Kazimir: 很難 不過一定要做的話先想辦法transfer 然後每招都試試 10/11 17:15
6F：推 germun: 比較簡單的做法就是先前處理多產生些樣本 10/12 09:43
7F：→ germun: 像是物體變形、換背景、換顏色換style...等等 10/12 09:44
8F：→ germun: 不過你的label還是太多了, imagenet也才1000種 10/12 09:46
9F：→ germun: 真的要CNN的話就是多幾個分類器, 先簡化再細分吧像SVM那樣 10/12 09:48
10F：推 toc1001adam: Data argumentation 10/12 19:27
11F：→ yoyololicon: 我覺得你可能要重新想想看問題是否適合用DL 10/12 19:32
12F：→ yoyololicon: 或是把問題換個方向思考 10/12 19:33
13F：推 whsunset: 聽起來可以用人臉辨識的方法做，不過感覺還是太難了XD 10/13 16:30
14F：推 EGsux: one shot learning? 10/13 18:38
15F：推 chobit199685: 這叫做要數據增強,如果是影像可以用旋轉增加數據集 10/16 11:04
16F：推 howayi: Conditonal Neural Process 10/17 20:23
17F：→ supermmi: label超過十類我就想放棄了，你還500k，做資料增強也沒 10/30 13:07
18F：→ supermmi: 用啦 10/30 13:07
19F：推 dongogo: 好奇這是什麼應用 11/02 22:55