Инкрементальное обучение с классификацией Google AutoML Vision

Question

Я хочу использовать Google AutoML vision API для классификации изображений, но с настройкой пошагового обучения - точнее, я должен иметь возможность постепенно предоставлять новые данные обучения, возможно, с новым (и ранее неизвестным) классом этикетки. Например, допустим, я обучаю сеть сегодня трем меткам: A, B и C. Теперь, через неделю, я хочу добавить несколько новых данных с новым классом D. А потом через неделю я хочу добавить еще более новые данные, помеченные совершенно новым классом E. На этом этапе модель должна иметь возможность классифицировать входное изображение по любому из этих пяти классов, причем каждое добавочное добавление к модели вызывает очень небольшое снижение точности.

Возможно ли это с помощью Google AutoML vision API?

Answer 1

В настоящее время вы можете продолжать импортировать новые данные в существующий набор данных AutoML и каждую неделю обучать новой модели. Существует API импорта и API поезда.

Предположение об очень малом падении точности может быть нереальным. Могут быть допустимые случаи, когда добавление новой метки приведет к снижению точности. Например. добавьте метки, которые трудно отличить от предыдущих меток, или добавьте метки, не выполняя очистку данных (добавляя метку и не применяя ее к существующим изображениям, на которых видны объекты с этой меткой).