我正在使用Caffe创建图像的车辆分类器,并有一个三部分的问题:
- 在训练CNN时,是否有组织类别的最佳实践?例如每个类别的类别数和样本数?例如,我应该这样做会更好吗:
- (a)车辆 - 轿车 / 车掀背式 / 车SUV / 卡车-18轮卡车/...(注意,这可能意味着几千个类),或
- (b)拥有更高级别的模型,可以在汽车/卡车/二轮车之间进行分类等等...如果是汽车类型,则查询Car Model以获取汽车类型 (轿车/掀背车等)
每个类别的训练图像数量是典型最佳实践?我知道还有其他几个变量会影响CNN的准确性,但在每个类别中应该瞄准多少个粗略数字呢?它应该是模型中类别数量的函数吗?例如,如果我的模型中有很多类别,那么应该为每个类别提供更多样本吗?
如何确保我们不会过度拟合类别?有没有办法测量类别的训练样本的异质性?