CNN应用评估

Question

如果有人能为下面的项目提供一些提示和评估，我会很高兴的。(我对ML和DL比较陌生，只有一点理论知识)

我的目标是为图像中的接收角建立一个检测器。我开始创建一个包含收据图像的数据集，标签是收据的4个角点。

我的计划是用数据集训练CNN，我想知道你是否能给我一个估计，我需要多少图像在我的数据集中成功地训练它(它是几百或几千)？对于网络来说，这是一项相当简单的任务，还是由于图像中有大量的fo像素而变得复杂？

编辑：(谢谢你目前的回答！)

• 我的数据是一张带有收据角点列表的图像[X，y，X，y，X，y，X，y]
• 我计划用神经网络输出这四个角点
• 在下一个步骤中，背景将使用以下四个点进行裁剪。

我开始使用pytorch进行预培训的ResNet18，并被困在以下问题上，因为任务与我迄今发现的基本分类教程不同：

• 如何用四个角来转换标签向量？
• 输出结果如何？
• 是否需要使用FCN作为一种分段任务来执行此任务？

Answer 1

要用数据集图像训练CNN模型，无论是数百张还是数千张，您都需要在系统上具有良好的处理能力或基础设施。有了正常的配置，比如4GB RAM，您可以继续使用数百幅图像对模型进行培训，它运行良好，您还可以验证和测试您的数据。或者，您也可以通过将Google模式算法连接到托管运行时来尝试Google的运行库，因为它为单个用户分配了12 it的RAM。

Answer 2

如果不知道更多的细节，就不可能说出你需要多少张图片。根据数据的多样性和用例的复杂性，您可能能够使用少于100个映像来训练一个性能良好的模型。

一般来说，机器学习应用程序是软件和数据的混合体。但是，获得正确的数据比代码本身更重要。现在培养一个模特已经相当容易了。有大量关于如何编写代码或工具的教程，您可以免费使用这些代码或工具(我个人使用hasty.ai )来快速原型。当您刚接触机器学习时，使用这些工具特别方便，因为它大大降低了复杂性。但是，创建正确的数据集是您自己需要做的事情。