دسته بندی در دو مرحله

Question

سلام دوستان...یه سوالی داشتم که به صورت کلی بیان میکنم...میخواستم بدونم در شبکه عصبی کانولوشن و ابزار کافه ، ایا میتونیم به صورت دو مرحله ای تصاویرمون رو کلاس بندی کنیم؟ یعنی مثلا اول تصاویرمون به دو دسته 1و 2 تقسیم شوند و بعد از اون تصاویر موجود در دسته 1 به کلاس های a و b و c تقسیم بندی بشوند ؟ چگونه میتونیم این کار رو انجام بدهیم؟

.مثلا اول بگه این تصویر ، عدده یا حرف ، بعدش بگه کدوم حرف یا عدد هست ؟
متشکرم

Answer 1

سلام
این ربطی به کفی یا فریم ورک نداره .
دوتا راه بنظر من جلوی شماس که میتونید استفاده و تست کنید
1. اول روی دیتا بصورت یه دسته بند کلی حرف و عدد رو از هم تفکیک کنی بعد روی همین مدل شروع به فاین تون کنی با این تفاوت که لایه اخر که مسئول دسته بندی بین اعداد هست رو بجای لایه قبلی بزاری و اموزش رو ادامه بدی .
2. با این مساله بصورت one vs all برخورد کنی که اوایل تو svm ها معمولا برای دسته بندی چندکلاس ازش استفاده میشد (الانم ممکنه هنوز بشه با اینکه تعمیم های چندکلاسه از اون وجود داره الان ) . اینطوری که بجای یک کلسیفایر چندتا کلسیفایر داری که یکی میشه کلاس اصلی و بقیه کلاسها میشن کلاس منفی (مثلا میخوای 1 رو تشخیص بدی 1 میشه کلاس درست بقیه هرچی غیر 1 هست میشه کلاس غلط ) بعد همه رو اموزش بدی و نهایتا داده جدید به اینا بره و جواب ماکسیمم گرفته بشه . که البته این مشکلات خاص خودشو داره .
3.یه راه دیگه هم هست و اونم اینه که کلا 4 دسته درست کنی 3 دسته 1 2 3 و چهارمی هم حروف و شکبه رو اموزش بدی (اینو من خودم تا بحال تست نکردم اما فکر هم نمیکنم جواب بدی بگیری نسبت به بقیه ) .