单标签图像分类

Question

我正在尝试构建一个单标签图像分类来检测损坏/正常的笔记本电脑。我有大约 500 张图像的数据集。我尝试过使用 ResNet50 CNN，但效果不佳。

我想了解一下

1. 我需要更多数据吗？如果需要，需要多少？
2. 如果我必须使用现有的 500 张图像数据集，最好的方法是什么？我应该用什么？任何细节都会有帮助。

PS。我以前没有研究过 ML 模型，这是我第一次尝试。

Answer 1

您的问题不符合 StackOverFlow 社区关于如何发布问题的指南。具体来说，您的问题是非编码问题，并且要求提供通常不被接受的建议。但无论如何，让我帮助你:)

首先，我从你的问题中想到的是你的数据集中的图像数量。我建议您收集更多高质量的图像，以提高模型的准确性和性能。

如果您无法获取更多图像，您可以应用数据论证技术，例如

1. 几何变换：尝试旋转/缩放/翻转图像。
2. 颜色和亮度调整：调整数据集的颜色和亮度级别。

这将显着增加图像数量。下一件重要的事情是确保您有正确的数据分布。也就是说，如果您的类别偏向于一个类别，则模型性能将会下降。确保对少数类使用过采样等技术。确保训练集和验证集具有相似的类别分布，以避免评估出现偏差。

最后一条建议，尝试不同的模型并不断调整你的模型参数。