对具有非常相似特征的不同类别的图像进行分类

Question

​

​

我有一个数据集，我需要在其中对特定的标记图像集进行分类。目前，这是由人类专家完成的，因此可用的数据集具有良好的质量。这些图像有一些非常相似的特征。

举个例子，我们可以假设苹果或西红柿的腐烂量被分类为非常低、低、中、高和非常高(5个类别)，并且在相邻的类别对中存在非常相似的图像，即(非常低和低、低和中、中和高、中和高、高和很高)。

有没有办法克服这个问题？

看起来很有挑战性，因为区分相邻的类是非常复杂和令人困惑的，因为在多个类中存在非常相似的图像。

Answer 1

我建议您只使用一个分值(例如0.0~1.0)作为“烂分数”，并根据rot分数结果将该值打包。

例如: 0.0~0.2 :极低腐烂0.2~0.4 :低腐烂0.4~0.6 :中等腐烂0.6~0.8 :高度腐烂0.8~1.0 :极高腐烂

Answer 2

CNN正在学习琐碎的功能，而FC层则更深入。在这种情况下，您需要添加更深的层以获得更好的准确性

Answer 3

视觉相似性不一定是问题。一般来说，如果人类不能分类，那么CNNs也可能失败。作为困难的粗略指示，你可能会要求朋友对一些困难的样本进行分类，如果她/他努力(或你自己)，这实际上可能是不可能的。我不认为您展示的示例非常困难，但我可以看到，人类在很好地分离类方面也存在困难，看看数据及其标签可能会揭示这一点。