我有一个关于图像识别的相当具有挑战性的用例。我想检测混合回收材料的组成，例如压碎的罐头、纸张、瓶子，并检测任何异常情况，如玻璃、袋子、鞋子等。

使用Google Vision API尝试这些图像时，结果主要是“垃圾”、“回收”、“塑料”等，可能是因为API没有针对这种混合和破损的材料进行训练？

对于这种情况，我是否需要使用像TensorFlow这样的工具，并从我自己的图像构建一个神经网络？我猜我不需要使用Google，因为TensorFlow是开源的？

谢谢。

回答：

因此，通常情况下，当你将机器学习应用于一个新的、现实世界的用例时，最好获取一个代表性的数据集，在你的案例中，就是这些垃圾材料的图像。

然后你可以选择一个合适的检测模型（如VGG、Inception、ResNet），修改最终的分类层以输出你需要的类别标签数量（在你的案例中可能是“正常”或“异常”，所以是2个类别）。

然后你加载这个网络的预训练权重，因为所学的特征具有泛化性（谷歌“迁移学习”），随机初始化你修改的分类层，然后训练最后一层，可能训练最后两层，或最后三层（取决于什么效果最好，你有多少数据，泛化性）等。

简而言之：1. 选择一个预训练模型。2. 针对你的问题进行修改。3. 在你自己的数据集上微调权重。