Formation classificateur de reconnaissance visuelle Watson

Question

J'essaye d'évaluer la fonction de formation de l'API de reconnaissance visuelle de Watson. Quelqu'un at-il une certaine expérience avec classificateurs costumizing pour la reconnaissance visuelle? J'ai quelques expierence moi-même avec la formation du classificateur et trouvé quelques infomation dans ce blog: http://christopher5106.github.io/computer/vision/2016/12/23/ibm-watson-bluemix-visual-api-to-create-custom-classifier.html

Ce que je voudrais vraiment savoir est combien des images ai-je besoin d'un objet à classer avec une précision de 75% ? Combien de temps cela prend-il pour obtenir un tel résultat?

Merci d'avance pour votre aide.

Answer 1

Le nombre d'images dont vous avez besoin dépend de la façon unique de l'objet est, combien l'image distincte présente une image avec elle a, etc.

Pour vous donner quelques exemples de ma propre expérience:

Détection du logo: une image du logo peut être utilisée pour créer plusieurs échantillons en ajoutant du bruit, en modifiant le contraste, en faisant de petites distorsions et rotations, etc. Si le logo est détaillé et a un bon contraste, vous devriez obtenir 75%.

détection de chat en utilisant Haar: 100 vaguelettes images avec l'augmentation des données peut produire environ 75%

détection de l'oreille humaine: environ 300 images pourrait me rendre à environ 80%. Ce détecteur est utilisé dans une application iPhone pour les lunettes de vue virtuelle.

Vous pouvez également l'essayer vous-même en utilisant Kaggle's Dogs Vs. Données sur les chats Essayez simplement divers classificateurs sur eux avec différentes quantités de données, et vous obtiendrez une très bonne idée.