我用大型（> 90k）图像数据集训练了一个卷积神经网络。由于两个类之间存在一些混淆，我收集了所有被错误分类的图像，并用几种方法对它们进行了扩充。此外，我收集了原始数据集中不存在的新图像。现在我想重新训练我的网络以减少混乱。最好的方法是什么？我应该只使用新图像（案例 A）进行微调，还是应该将新图像添加到整个训练集中并从零开始重新训练网络（案例 B）？

我的担忧如下：在情况 A 中，大多数图像属于同一类，因此数据集将非常不平衡。情况B，恐怕新图像对整个数据集的影响会很小。