我对图像分类比较陌生。目前，我正在尝试使用卷积神经网络 (CNN) 对昆虫图像进行分类。当我请人类专家识别昆虫时，我通常会提供两张照片：背部和面部。似乎有时一个特征很突出并允许以高确定性进行识别（“背面的斑点 - 绝对是瓢虫”），而其他时候您需要交叉引用两个角度（“灰色背面可能意味着一些东西，但在用眼睛交叉参照——它是一只飞蛾”）。
习惯上如何实现这一点？我天真地考虑：
两个独立的网络，一个用于背部，一个用于面部？如果是这样，什么公式最适合衡量他们的输出？
单一网络，但单独的双重分类 - 例如“蛾脸”、“蛾背”、“瓢虫脸”、“瓢虫背”？
一个单一的网络，天真地喂养所有东西（例如，来自不同角度的飞蛾，都具有相同的分类“飞蛾”）并依靠 NN 自行排序？