阅读这篇文章后,我想知道是否可以将这种方法应用于大量的分类中。我的想法是用它来识别乐高积木。
目前,像Bricklink这样的网站描述了超过40,000个不同的部件,因此与黄瓜示例有所不同,但我想知道这是否适合。没有简单的方法来获取每个零件的数百张图片,但以下过程是否可行:
- 拍摄零件的照片;
- 使用tensorflow尝试识别零件;
- 如果它无法识别正确的零件,则拍摄更多的照片并向神经网络提供这些照片;
- 继续下一个零件。
这样,每次遇到新零件时,我们都会“教”网络其参考信息,以便下一次更好地识别它。经过数百次由人监控的迭代后,我们能否想象TensorFlow能够识别这些零件?至少是最常见的零件吗?
我的问题可能听起来很愚蠢,但我对神经网络不熟悉,因此欢迎任何建议。目前,我没有找到任何基于图片识别乐高部件的方法,而这个“黄瓜示例”听起来很有前途,因此我正在寻求一些反馈。
谢谢。