训练Watson视觉识别分类器

Question

我试图评估沃森视觉识别API的训练功能。有谁有为视觉识别定制分类器的经验吗？我自己对分类器进行了一些培训，并在这个博客中发现了一些信息：http://christopher5106.github.io/computer/vision/2016/12/23/ibm-watson-bluemix-visual-api-to-create-custom-classifier.html。

我真正想知道的是，我需要多少图片才能对物体进行75%的分类？要花多长时间才能得到这样的结果？

提前谢谢你的帮助。

Answer 1

您需要的图片数量取决于对象有多独特，有多少不同的图像与其具有不同的特征，等等。

根据我自己的经验给你举几个例子：

标识检测:一个标志图像可以通过添加噪声、改变对比度、进行小变形和旋转等方法来创建多个样本。如果徽标详细且对比度好，那么很容易获得75%的效果。

基于Haar小波的Cat检测: 100幅数据增强图像的提取率可达75%左右

人耳检测:大约300张图像可以让我达到80%左右。这个探测器正被用于一个iPhone应用程序，用于虚拟尝试眼镜。

你也可以使用Kaggle's Dogs Vs来尝试这一点。猫的数据。只要用不同数量的数据尝试不同的分类器，你就会得到一个非常好的主意。