这三包数据不要混用
基础包与改进包:可以加入训练。
挑战包:观察错误、帮助改进,可以反复检查。
最终测试包:模型确定后才用,使用后锁定本次实验。
从几张有标签的图片出发,训练自己的分类器,再用没见过的图片检验它。
每一张图片是一个样本,“苹果、橙子、梨”是它的标签。
基础包与改进包:可以加入训练。
挑战包:观察错误、帮助改进,可以反复检查。
最终测试包:模型确定后才用,使用后锁定本次实验。
点击对应类别的“添加图片”,一次可选择多张。拍摄不同实物、角度与光照;不要只连拍同一个水果,也不要把测试图片放进训练集。
支持JPEG、PNG、WebP;会检查完全重复的文件,不会自动识别同一实物的近似照片。
图像特征提取器已经预训练;现在真实训练的是你自己的三分类层。
先保持设置不变,通过补充有针对性的数据改进模型。多训练几轮不保证新图片上表现更好。
训练前,每类至少需要3张图片。
这里的正确率来自训练集,不是独立测试成绩。图中的每一点均来自本次实际计算。
这一步叫“推理”:使用已经学到的参数,不继续训练。
也可以试试香蕉、水杯等没有学过的物体。
可使用自备照片;上传的图片只在当前浏览器中处理。
普通三分类器没有“我不认识”这一类。即使输入水杯,也可能强行给出一个水果类别。
同一批图片比较V1与V2,记录正确数量、错误类型和改进效果。
内置样本均是白色背景、100×100像素的公开数据。我们按不同原始采集目录划分用途,并检查完全重复文件;但这不等于覆盖真实拍摄环境或证明所有实物独立。请用另外拍摄的水果检验泛化能力。图片识别结果不能判断水果是否安全、变质或适合食用。