вопрос очень широк, но вот некоторые рекомендации:
- Это может иметь смысл, чтобы произвести изменения ваших входных изображений. Такие вещи, как изменение контраста, яркости или цвета, поворот изображения, добавление шума. Но какая из этих операций, если таковая имеется, имеет смысл, действительно зависит от типа проблемы классификации.
- Как правило, чем меньше данных у вас есть, тем меньше параметров (веса и т. Д.) Ваша модель должна иметь. В противном случае это приведет к чрезмерному обучению, что означает, что ваш классификатор будет классифицировать учебные данные, но не более того.
- Вы должны проверить, требуется ли переучивание. Простым методом было бы разделить ваши данные обучения на набор обучения и набор управления. Как только вы обнаружите, что классификация правильная и для контрольного набора, вы можете провести дополнительное обучение, включая набор управления.