Рекомендуемые алгоритмы машинного обучения для задачи классификации изображений в 10 классах только с 1900 выборками

Question

Я пытаюсь определить правильный подход к проблеме классификации изображений, которая включает 10 классов и только 1900 образцов.Изображения (разрешение 1288 x 964) представляют собой промышленные части, каждая из которых представлена ​​одним из 10 классов;классы изображения существенно различаются по серийному номеру, присутствующему в изображении, а также по другим тонким признакам.Я подумал об использовании CNN, но мне интересно, если это не рекомендуется из-за размера набора данных, то есть набор данных слишком мал для этого?В противном случае я подумал об использовании алгоритмов KNN или SVM, которые, по моему мнению, могли бы работать лучше из-за меньшего количества данных, но мне нужно некоторое экспертное руководство.Спасибо.

Answer 1

Вы можете использовать экстрактор предварительно обученных функций (например, inceptionV3, который является стандартным для кератов).Поскольку он был обучен на других данных, только последний слой должен быть переобучен для ваших конкретных потребностей, и для этого должно быть достаточно 100 изображений для каждого класса