用户图像标记图像分类模型的专业化

我有一个概念性问题，关于机器学习的软件过程/体系结构设置。我有一个网络应用程序，我试图合并一些机器学习算法，像Facebook的脸部识别（除了通常的对象）。因此，该模型在分类特定上传到我的服务（比如fb如何分类特定人员等）方面会更好。用户图像标记图像分类模型的专业化

粗线条是：

event:  User uploads image; image attempts to be classified 
if failure: draw a bounding box on object in image; return image 
interaction: user tags object in box; send image back to server with tag 
????:  somehow this new image/label pair will fine tune the image classifier

我需要最后一步的帮助。通常在转移学习或一般培训中，程序员拥有一个装满图像的大型数据库。在我的情况下，我有一个预训练模型（google的inception-v3），但我的微调数据库是不存在的，直到用户开始上传内容为止。

那么我怎么能使用该标记方法来建立专门的数据库？我确信FB遇到了这个问题并解决了它，但我可以找到他们的解决方案。有些人认为（和确凿的研究成果）后，我能想到的唯一的策略是要么：

A) stockpile tagged images and do a big batch train 

B) somehow incrementally input a few tagged images as they get 
    uploaded, and slowly over days/weeks, specialize the image classifier.

理想情况下，我想，以避免选项A，但我不知道是B如何现实，也不如果有其他方式来完成这项任务。谢谢！

来源

2017-01-23 Mr. Foots

你想让每个人都专注一个学习者，或者每个用户需要一个学习者？在任何情况下，采用新标记图像并在网络上运行随机梯度下降（或其他简单方法）几次迭代时会出现什么问题？请参阅[在线学习]（https://en.wikipedia.org/wiki/Online_machine_learning）。 – user3658307

是的，整个系统的一个学习者。好的，在线学习似乎是一种策略，让我可以用有限的动态数据“连续”更新模型。 –

是的，这听起来像是一个典型的例子online learning。例如，对于深度转换网络，给定一些新的数据，可以对其进行几次迭代，例如随机梯度下降。如果需要的话，调整学习率也许是一个好主意（以便人们可以调整给定样本的重要性，取决于人们对其的信心）。正如你所提到的，你也可以保存“小批量”（取决于你的设置）。另外，如果你想让你的学习者（例如用户之间）有更多的专业化，请查阅domain adaptation。

来源

2017-01-28 00:46:52 user3658307

用户图像标记图像分类模型的专业化

回答

相关问题