Saya memiliki model pengklasifikasi gambar yang dibuat dengan CreateML.

Pelabelan dalam set pelatihan kira-kira:

  • Gambar berisi objek A -> label a
  • Gambar berisi objek B -> label b
  • Gambar berisi objek C -> label c
  • Gambar berisi objek A + B -> label a
  • Gambar berisi objek A + B + C -> label c

Anda bisa mengatakan ada beberapa "prioritas" objek di mana objek A memiliki prioritas lebih tinggi daripada B, oleh karena itu label a harus diterapkan. Sama halnya dengan label c dimana objek C memiliki prioritas tertinggi.

Ini jelas tidak optimal untuk algoritme, jadi saya akan menggunakan algoritme identifikasi objek yang tampaknya lebih tepat. Tetapi saya sudah memiliki kumpulan data besar dengan 100.000 gambar yang diklasifikasikan dengan benar secara manual yang tidak akan digunakan untuk melatih algoritme, dan saya harus membuat kumpulan pelatihan baru dari awal untuk deteksi objek yang jelas merupakan masalah biaya dan menang' t mencapai ukuran kumpulan data seperti yang sudah ada dalam waktu dekat.

Apakah ada cara saya dapat memanfaatkan kumpulan data yang ada untuk membangun model klasifikasi gambar dan menambahkannya dengan model deteksi objek yang saya buat secara manual dari awal tetapi mungkin hanya memiliki beberapa 100 item dalam kumpulan data?

0
Manuel 6 Juli 2020, 20:13

1 menjawab

Jawaban Terbaik

Salah satu cara untuk menyelesaikannya adalah dengan menggunakan klasifikasi multi-label, di mana model memberi tahu Anda probabilitas bahwa A ada, probabilitas bahwa B ada, dan probabilitas bahwa C ada, tetapi ini independen satu sama lain. Sayangnya, Create ML tidak dapat melatih model semacam ini.

0
Matthijs Hollemans 6 Juli 2020, 18:34