训练CNN对多个图像进行分类，我现在如何分类对应于一个对象的相关“集合”图像？

Question

我有一个N个对象分类的例子，每个例子包含一个集合M个对象的不同角度的图像。我已经训练了M CNN与数据集的一个特定的图像角度，每个和他们的相应的标签。(因此，我为每个角度找到了M组模型参数)

考虑到这些信息，根据单个对象的M个图像角度对其进行分类的好方法是什么？(也就是说，我可以相当准确地分类出集合中的每一幅图像，但是否有一种方法可以使用属于同一唯一示例集的图像的特征依赖性来进行总体“更好”的预测，而不仅仅是取所有个体概率的平均值？)

Answer 1

据我所知，您的问题与集成学习有关:您的集合是一组模型，它们的目的是在具有相同角度的图像上检测对象的类别，现在您想要对一个对象进行分类，并选择在正确的角度上训练的模型投票吗？

在这种情况下，在输出二进制标签之前，我会选择最明确输出的模型的预测。

因此，它可能与以下主题有关：

1. 合奏学习中的多数表决
2. 机器学习中的集成学习