数据集神经网络共同进步
将所有图片的路径已经分布位置,弄出来统计按照分类列表分别存起来,最后计算每个类别的范围L,将L分为3个部分,中间部分假设为真是分布
边缘部分在数据多的情况下去掉,如果数据少可以将边缘部再分几部分,去掉边缘部分即可
这样不断的更新即可
采取这样的训练方式(只需要数据量足够的大,随机标注即可)
传统训练方式又要数量又要质量,实在是耗时耗力
监督学习的数据集标注不精准训练出来网络是毫无意义的
因为网络完全的依赖数据集
网络可以将任和你给的数据集强行的分成你想要的几类
所以要让网络不断的修正你的数据集提高数据集的精确度才对
那么只能选择数据精度和神经网络共同进步了