Целесообразно ли создавать набор данных с шумом только для одного изображения? Недавно я задал вопрос о добавлении шума к изображениям. Я знаю, что сверточные нейронные сети требуют наборов данных с тысячами изображений. Однако моя цель состоит в том, чтобы натренировать модель только из одного изображения.
Я намерен создать набор данных из примерно 50 фотографий, просто добавив различные уровни шума к одному изображению. Смогу ли я получить полезные результаты из этого?
Я предполагаю, что это не может быть жизнеспособным для обучения CNN с нуля, но я думаю, что это сработает, если я захочу использовать Fa cenet.
Для тех, кто может не знать, что такое Фа cenet, его тренируют с использованием триплетной потери. Он получает входное изображение и выводит вложения. Это вложение может использоваться для вычисления метрик расстояния (в частности, L2 / евклидово расстояние), где меньшие измерения соответствуют сходству, а большие измерения - разные грани. Он обучается на наборе данных LFW, чтобы обобщить черты лица.
Как я уже сказал, я думаю, что использовать мой метод вместо наборов данных, таких как LFW, глупо, но опять же я не пробовал. Но может ли это работать для создания разных, но похожих вложений? Я пытаюсь это сделать, но хочу услышать, что вы, ребята, думаете.