为卷积神经网络准备数据集

Question

我正在尝试实现卷积神经网络（CNN）模型来分类手势。数据集不是现成的，因此我需要准备它。

我应该如何准备数据集？我拍摄的图像是否应该包含手或除手之外的物体？哪个会给我一个准确的模型，可以准确的工作，尽管背景和框架中的其他物体？

Answer 1

你的问题好数据集：

您应该考虑的背景涉及不同的背景和对象。

以下链接可以帮助您：

https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html

https://www.quora.com/Computer-Vision-What-is-the-best-way-to-collect-Train-and-Test-data-images-for-object-recognition-job

Answer 2

这里有一个例子： http://cims.nyu.edu/~tompson/NYU_Hand_Pose_Dataset.htm

它包含其他图像将仅仅意味着你必须实现东西你的管道隔离手。我会建议在图像中只有手，这样您就可以立即开始对图像进行建模。

很多cnn在这方面的架构使用多分辨率的CNNs。所以在您的数据准备中只需制作多个分辨率并输入到多输入CNN。你可以使用Keras功能性API做到这一点。低分辨率图像很适合区分某些非常不同的姿势，较高的分辨率可以关注较小的差异。

很明显，标准数据增加并不适合手势。像镜像或更改角度等内容可能会使您的数据不适合给定的标签。所以如果你没有那么多，那么对你的数据增加要保守一点。