这是我的第一个机器学习项目，实际上也是我在这里的第一个问题。我是机器学习的新手，具有理论物理学背景。

我想使用 CNN 来检测高分辨率图像中制造缺陷的划痕。图片必须是高分辨率的；下采样会破坏我们想要检测的特征。此外，由于我们专门寻找产品某些部分的划痕，我们不能简单地将图片分成许多块并处理每一堆 - 网络也必须“理解”小规模结构（单个划痕）作为图片的大尺度结构（整个产品）。

我担心模型容量有限（参数数量）以及训练时间。另外，由于训练图片的数量很少，仅使用我的产品图片从头开始训练整个网络似乎没有意义。

所以，我的问题是，你认为以下方法可行吗： * 使用预训练的（在一般低分辨率图片上）现成的 CNN（可能是 VGG19 的 CNN 层？），然后是一个非常激进的最大池化（用于在不引入任何其他参数的情况下缩小图片大小），然后添加 1 或 2 个具有进一步连续较低分辨率的全连接层，并仅使用我的图片训练最后一层？

PS。顺便说一句，我打算使用 Keras 作为平台。