卷积神经网络的识别类型

Question

我试图创建一个卷积神经网络，用于识别动物、车辆、建筑、树木、植物等对象的大型数据集中的组合。在训练时，我对网络应该如何训练产生了疑问。我的疑问是，我是否可以使用整个动物数据集作为单个属性来训练网络，还是分别训练每种动物？也就是说，一组狮子，一组老虎，一组大象等，在测试时，如果满足其任何一个子类别，则可以编码输出结果为动物。我产生这个疑问是因为我读到过，要有效检测，数据集中应该有正确的模式，只有当我们使用对象的子类别进行训练时，才会有模式，而不是庞大的数据集。我附上了一个显示样本数据集（仅逻辑上正确）的图表。我想知道是否应该有单独的数据集或单一的数据集。

- Arun Sooraj

---

答案完全取决于您的用例 - 您是否计划仅识别通用标签，例如“动物”，还是像“狮子”/“老虎”这样的标签。对于您应用于此问题的任何算法都是如此，即在这里使用CNN没有任何区别。 - shekkizh

这意味着卷积神经网络可以找出数据集中的相似之处（即使它们有最小的相似性），并且可以识别新的测试数据，是吗？ - Arun Sooraj

是的。CNN将能够找到足够数据和适当训练可以识别类别的高级特征 - 您希望定义您的网络以使其具有良好的泛化能力。 - shekkizh

好的...谢谢Shekkizh... - Arun Sooraj

Answer 1

根据不同的因素，训练可以基于单个数据集或分开的数据集进行。如果您想要使用卷积神经网络将测试数据集中的图像分类为仅为动物而不进一步细分它们，则应该在单一数据上进行训练。但是，如果您计划将图像进一步细分为老虎和狮子，则需要在老虎和狮子的分开数据集上进行训练。

用于训练的数据集类型高度取决于您对测试数据集分类的要求。

此外，在使用图像进行训练之前，您必须确保对其进行归一化处理。

- Aditya

---

谢谢Aditya。我得到了我的疑问的答案。所以，在我的“动物”数据集中，我有100只狮子、100只老虎和100只大象。它已经训练好了，每当有一只新的狮子、老虎或大象出现时，我的网络就可以将其识别为“动物”，对吧？我不想分别识别它们，我需要将它们分类为“动物”。 - Arun Sooraj

欢迎，Arun。是的，如果你在训练狮子、老虎和大象时提供了动物这个类标签，那么测试数据就可以被识别为动物。我之前遇到过类似的问题，当时我正在训练我网络处理同一类型的不同声音，比如不同类型的哨声都被标记为哨声等等。 - Aditya