使用不同质量的数据集进行深度学习分割训练

问题描述 投票:0回答:1

我想对深度学习和航拍图像进行分割,并且我有两个质量不同的图像数据集:

  • 这些数据集中的一个更好地定界(掩码中类之间的限制更准确)。假设质量10/10。我有20.000张这类图片。

  • 另一个数据集的质量较差(8/10),我有300.000张图像。

我不确定应该采用哪种方法以获得更好的结果:

  • 我应该首先使用较差的数据集进行训练,还是使用较好的数据集进行重新训练或微调?
  • 我是否应将大多数优质图像放入验证数据集中?
  • 其他建议?
deep-learning dataset image-segmentation training-data
1个回答
0
投票
[为避免使模型的注解不佳,您可以定义一些被忽略的区域(尤其是在边界处使用腐蚀运算符或类似方法),这将使您在精细调整到边界之前对网络进行“语义”训练带有注释的数据集。

cityscapes dataset与此相似,这是通常的方法,但是已经定义了忽略的区域。

© www.soinside.com 2019 - 2024. All rights reserved.