[問題] 標籤多 訓練集少

[Plot3D (3D做圖)]

作業系統:(ex:mac,win10,win8,win7,linux,etc...)

ubuntu

問題類別:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...)

CNN 圖像辨識

使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...)

python, tensorflow, keras

問題內容:

大家好，我想請求指路，

目前我遇到的問題是標籤很多，大約是有500k個label的圖像辨識，

但是每個label可以有的訓練圖片可能是10張照片左右，

這跟以往深度學習的狀況好像反過來，

以往深度學習的問題常常都是label比較少，但有大量的訓練集可以訓練模型，

請問這問題有辦法用CNN或者它的衍生方法來解嗎？


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.136.32.228
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1539180992.A.AB8.html
→ yoyololicon: 太多惹ㄅ...能不能化簡?
→ Plot3D: 沒辦法耶 每個都是一個物品
→ f496328mm: 你叫人來學，都不一定學的好了
→ yoyololicon: 換個題目ㄅ
推 Kazimir: 很難 不過一定要做的話先想辦法transfer 然後每招都試試
推 germun: 比較簡單的做法就是先前處理多產生些樣本
→ germun: 像是物體變形、換背景、換顏色換style...等等
→ germun: 不過你的label還是太多了, imagenet也才1000種
→ germun: 真的要CNN的話就是多幾個分類器, 先簡化再細分吧像SVM那樣
推 toc1001adam: Data argumentation
→ yoyololicon: 我覺得你可能要重新想想看問題是否適合用DL
→ yoyololicon: 或是把問題換個方向思考
推 whsunset: 聽起來可以用人臉辨識的方法做，不過感覺還是太難了XD
推 EGsux: one shot learning?
推 chobit199685: 這叫做要數據增強,如果是影像可以用旋轉增加數據集
推 howayi: Conditonal Neural Process
→ supermmi: label超過十類我就想放棄了，你還500k，做資料增強也沒
→ supermmi: 用啦
推 dongogo: 好奇這是什麼應用