ML/DL能解决我的分类问题吗？
我对人工智能是新手，但仍然想尝试一个新的项目。过去几天我读了很多关于ML/DL的文章，但我不知道我的问题是否可以用ML/DL解决。我想做的看起来像是一个分类工作
解答动态
一个简单的关于图像分类器是否能在理论上执行任务的健全性检查是：
一个人类专家，使用相同的图像加上他们熟悉的分类列表，能执行相同的任务吗？
只考虑图像的内容（或通常准备提供给分类器的数据）和专家的一般知识是很重要的。例如，专家不允许收集更多的数据，也不允许与样本交互，而可能只是对像素进行一些测量。
这种健全性检查并不能告诉你问题有多难。它也排除了对人类来说非常困难或不可能，但对计算机来说却相当容易的问题。然而，这是一个很好的开始，因为现在的单用途计算机视觉分类器任务的速度通常与执行相同任务的人相似或更好。您正在有效地检查“我需要的推断数据是否真的在图像中？”？&多类分类器有几种可能。一种方法是让神经网络有单独的头来对每一层进行分类，也许一个层会显示二进制标志以允许不同数量的层。这类似于一个名为YOLO的架构，它将0或1个对象及其位置分类到图像中的多个网格正方形上。您的体系结构需要与YOLO不同，但您可以使用它的许多思想，例如，有一个多类分类器的输出，每个土层一个。
I有100张压实土壤样本的图像
您将面临的一个问题是，为了训练一个具有尖端性能的神经网络可以从头开始完成这项任务。因此，您需要研究转移学习，这涉及到在使用较小的数据集进行训练之前，先使用在ImageNet上训练过的现有图像分类器并使其适应您的问题。
您拥有的少量样本图像数据将是您案例中的一个主要因素。可悲的是，在你尝试这个项目之前，没有人能告诉你你是否有足够的深度学习方法。这可能是你失败的最大风险所在- End
免责声明：
本页内容仅代表作者本人意见，若因此产生任何纠纷由作者本人负责，概与琴岛网公司无关。本页内容仅供参考，请您根据自身实际情况谨慎操作。尤其涉及您或第三方利益等事项，请咨询专业人士处理。