machine-learning - 计算成本低廉的图像分类器

Question

我是机器学习领域的新手。我们有一些养牛场的视频。YoloV2 正在检测所有牛。

在一帧/分钟内，我们必须将所有牛的图像输入到模型中，并确定每只牛的位置或站立位置。问题更像是 - 猫与狗（躺与站立）。

有人可以建议任何计算成本低廉的图像分类器来实现目标吗？

我计划用 200 个图像/类训练模型，此时 70-80% 的准确率就足够了。

Answer 1

如果您想要计算成本低廉的图像分类器，则必须重新训练对象检测模型。

1. 训练仅适用于牛预测的新模型。

这意味着您需要准备两类图像（产牛和站立牛）

准备好图像后，构建由 2 类分类器组成的新模型，而不是 80 类或 20 类分类器（通常在 YOLOv2 中）。

因为您想要计算成本低廉的模型。并且您的分类器中不需要其他类。

Answer 2

看看手机的分类器。它们通常性能非常好，并且仍然相当准确。最常见的是 MobileNet，但现在有更新的变体。不过，您确实需要微调分类器。可以在此处找到有关如何使用 keras 执行此操作的示例：https ://towardsdatascience.com/transfer-learning-using-mobilenet-and-keras-c75daf7ff299 。