Я построил модель Azure Custom Vision, используя ~ 5000 моих собственных доменных изображений и набор ~ 30 иерархических и неиерархических меток.
Я не уверен, как лучше организовать мой зоопарк по меткам в этой конкретной проблеме классификации по меткам. Лучший подход (см., Например, https://www.researchgate.net/publication/225379571_A_Tutorial_on_Multi-label_Classification_Techniques и https://towardsdatascience.com/journey-to-the-center-of-multi-label-classification-384c40229bff) должен зависеть от внутренней работы Custom Vision, увы, недокументированный *. Рассмотрим, например,
Image Document_Description
1 Barclays Bank Statement
2 HSBC Bank Statement
3 Joe Bloggs' Curriculum Vitae
Учитывая (возможно) неизвестные схемы моделирования, используемые Custom Vision, и его поддержку произвольных тегов, какая таксономия маркировки будет наиболее эффективной (с точки зрения обучения вычислений и производительности модели)?
1. Hierarchical (choose one from each level):
IsCV | IsBankStatement | IsOther | ...
|
Barclays | HSBC | ...
2. Non-hierarchical:
IsCV, IsBankStatementBarclays, IsBankStatementHSBC, IsOther, ...
3. Both
4. Some other scheme perhaps informed by insider information?
Бонус: Как бы вы использовали доступные показатели эффективности - или API V3.0 - для измерения производительности двух конкурирующих таксономий (с минимальными затратами на обучение / стоимость)?
* Я прошу прощения за отчаянный вопрос. Прежде чем голосовать за его закрытие, пожалуйста, дайте Azure Cognitive Services время прокомментировать, поскольку, похоже, это единственный форум, на котором они могли бы внести свой вклад, и они действительно запрашивают запросы через SO. Спасибо.