我知道您拥有的数据只是一堆未标记的轮胎图像，您需要预测胎面深度。

您的解决方案 1 需要不同的标记图像数据集。但是如果你有这个，你可以用它来训练一个模型而忘记你的未标记数据。如果图像不是很相似，也许您可​​以标记一些并使用迁移学习将网络的最后一层调整为实际数据。

解决方案 2，将其视为回归问题，也需要标签。但我认为这是正确的做法。您需要标记数据。如果标记工作量很大，那么也许您可以针对不同但相似的问题训练模型。我想不出任何可能有用的类似问题，所以我想说你需要投入一些体力劳动并标记数据集的一部分。

完成后，我希望一个好的解决方案是一个带有一些 FC 层的 CNN 来生成预测。不过，您不会有太多标签，因此您希望使用尽可能简单的模型。

您可以使用一些与领域相关的知识，例如轮胎上有标记，在轮胎凹槽中，如果这些标记与外表面齐平，那么您知道胎面深度等于或低于最低，需要更换轮胎。但我认为这不是您要问的问题，所以我坚持认为您需要标记数据集。