1

我有一堆图像（约 3000 张）已根据某些业务标准手动分类（批准/拒绝）。我已经使用 Google Cloud Platform 处理这些图像，获取注释和安全搜索结果，例如（csv 格式）：

文件名; 批准/拒绝；成人; 欺骗; 医疗的; 暴力; 注释 A.jpg；批准；非常不相似；非常不相似；非常不相似；不相似；船|0.9，车辆|0.8 B.jpg；拒绝；非常不相似；非常不相似；非常不相似；不相似；文本|0.9，字体|0.8

我想使用机器学习来预测是否应该批准或拒绝新图像（csv 文件中的第二列）。

我应该使用哪种算法？

我应该如何格式化数据，尤其是注释列？我是否应该首先获取所有可用的注释类型并将它们用作具有数值的特征（如果不适用，则为 0）？或者将注释列作为文本处理会更好吗？

4

1 回答 1

1

我建议你尝试卷积神经网络。

也许测试您的想法是否可行的最快方法（问题可能是您拥有的图像数量非常少），是使用带有 Tensorflow 的迁移学习。Magnus Erik Hvass Pedersen 制作了很棒的教程，他在youtube上发布了这些教程。

我建议您浏览所有视频，但重要的是 #7 和 #8。

使用迁移学习，您可以使用他们在 google 构建的模型对图像进行分类。但是通过迁移学习，您可以使用自己的数据和自己的标签。

使用这种方法，您将能够查看这是否适合您的问题。然后，您可以深入了解卷积神经网络并创建最适合您的问题的管道。

于 2017-02-21T12:31:56.387 回答