數據集神經網絡共同進步

將所有圖片的路徑已經分佈位置,弄出來統計按照分類列表分別存起來,最後計算每個類別的範圍L,將L分爲3個部分,中間部分假設爲真是分佈 邊緣部分在數據多的情況下去掉,如果數據少可以將邊緣部再分幾部分,去掉邊緣部分即可 這樣不斷的更新即可 採取這樣的訓練方式(只需要數據量足夠的大,隨機標註即可) 傳統訓練方式又要數量又要質量,實在是耗時耗力 監督學習的數據集標註不精準訓練出來網絡是毫無意義的 因爲網絡完
相關文章
相關標籤/搜索