我想训练一个模型来识别不同类别的食物,例如米饭、汉堡、苹果、比萨饼、橙子和其他东西。
在第一次训练之后,我意识到该模型正在检测其他物体作为食物。例如,手像鱼,电话像巧克力,人像糖果。
我的损失非常低,因为测试数据集和验证必须至少有一张食物图片。但是当涉及到食物以外的物体的图片时,该模型就失败了。如果图片上没有食物,如何以模型不会进行任何检测的方式标记数据集?
我想训练一个模型来识别不同类别的食物,例如米饭、汉堡、苹果、比萨饼、橙子和其他东西。
在第一次训练之后,我意识到该模型正在检测其他物体作为食物。例如,手像鱼,电话像巧克力,人像糖果。
我的损失非常低,因为测试数据集和验证必须至少有一张食物图片。但是当涉及到食物以外的物体的图片时,该模型就失败了。如果图片上没有食物,如何以模型不会进行任何检测的方式标记数据集?
这在很大程度上取决于您的测试数据。假设您已经训练了所有包含某种食物的数据。如果您在测试时帮助它,它会尝试找到与当前标签最相似的标签,并输出比其他标签更相似的标签。关键是您的测试环境非常重要。如果您要在海边测试您的应用程序,您的训练数据集应该包含该条件下的数据。如果您打算在夜间使用它,则应在夜间获取数据集。在您的情况下,您有一个简单的任务,为当前数据集添加一个带有零的条目,这意味着您正在尝试添加一个新类。之后,尝试添加不是食物图像的新图片,并在这些图像的新条目中添加一张。但请考虑这一点。