閱讀this article關於一個使用tensorflow將黃瓜分爲九個不同類的傢伙,我想知道這種類型的過程是否可以應用於大量的類。我的想法是用它來識別樂高部件。使用張量流來識別樂高積木?
目前,像Bricklink這樣的網站描述的不止是40,000 different parts,所以它會比黃瓜的例子有點不同,但我想知道它是否聽起來合適。沒有簡單的方法可以爲每個部件獲得數百張照片,但是可以採用以下過程聲音:
- 拍攝零件的照片;
- 嘗試使用張量流確定零件;
- 如果它沒有識別正確的部分,拍攝更多的圖片並將它們與神經網絡一起饋送;
- 繼續下一部分。
這樣,每當我們遇到一件新作品時,我們都會「教」網絡的參考,以便下次更好地認識到它。像這樣,經過人類監測的數百次迭代之後,我們可以想象tensorflow能夠識別這些部分嗎?至少最常見的是?
我的問題可能聽起來很愚蠢,但我不進入神經網絡,所以任何建議都是值得歡迎的。目前我還沒有找到任何方法來識別基於圖片的樂高部分,這個「黃瓜的例子」聽起來很有希望,所以我正在尋找一些反饋。
謝謝。
請記住,你把所有的部分,這至少是你可以用它來製作訓練圖像 – Eric