Я обучаю нейронную сеть обнаружения объектов обнаруживать и распознавать товары в AI-рознице. Вот стратегия: мы обучаем модель множеству образцов изображений и позволяем ей обнаруживать и классифицировать товары, которые люди покупают в магазине. И реальные изображения могут быть новыми для базовой модели. Поэтому мы бы хотели тренировать его снова и снова, используя новые изображения. Но о том, «когда нам нужно тренировать это снова, чтобы избежать слишком многих ошибок в распознавании?» и «Сколько новых изображений нам нужно добавить к обученным образцам, чтобы модель хорошо распознавалась на новых изображениях, но с меньшим переплетением?» Это действительно загадочно и сложно. И я планирую использовать карту характеристик магистрали сети обнаружения объектов, чтобы отличать guish между различными группами изображений и принимать решение о том, нужен ли ему поезд и сколько изображений добавить в него. поезд. Когда дело доходит до реальной полезности, все усложняется и требуется больше знаний ... Большое спасибо, если кто-нибудь может помочь ~