我正在开发一个 CNN 模型，用于使用 jupyter 笔记本对球体图像进行分类。我是新来的。如何做到这一点？
我期待良好的准确性。我有 500 张球体图像。我应该走什么流程？如何获得良好的准确度？
我也在做同样的事情。不过你的问题太宽泛了，需要很多篇幅来解释。所以我会简要介绍我的一些观点。首先你的意思是你需要准确定位球体的位置。球体显示为二维图像中的椭圆。让我简单解释一下我的想法。
我使用了一个名为 Faster RCNN 的 CNN 框架。我是从 https://github.com/bubbliiiing/faster-rcnn-tf2/ 学到的。并且可以将backbone改为resnet或者其他框架。由于RPN网络的构建，整个检测过程非常快。
并且输出矩形框正在被椭圆检测。椭圆检测、霍夫变换、聚类、圆弧段有很多方法。在我的代码中，我使用了名为 Arc-support Line Segments Revisited: An Efficient 的论文中实现的方法 高质量椭圆检测。它的效果很好。您可以在https://github.com/zhifengmuxue/High-quality-ellipse-detection获取代码。
这是我放学后的测试方法，希望对你有帮助。如果你想要更高的精度，你可以学习UniRepLKNet。它可能比transform有更高的精度。但是我还没有尝试过这个框架。您可以在https://github.com/StephJWang/UniRepLKNet找到它。
希望我的回答对您有帮助。