我使用CreateML创建了一个图像分类模型。
训练集中标记大致如下：
- 图像包含对象A -> 标签a
- 图像包含对象B -> 标签b
- 图像包含对象C -> 标签c
- 图像包含对象A + B -> 标签a
- 图像包含对象A + B + C -> 标签c
可以说对象之间存在某种“优先级”，其中对象A的优先级高于B，因此应应用标签a。同理，对象C具有最高优先级，应应用标签c。
显然，这对算法来说并不最优，因此我会使用更适合的对象识别算法。但我已经拥有一个包含数十万张手动正确分类的图像的庞大数据集，这些数据无法用于训练新算法，我需要从头开始构建一个新的训练集用于对象检测，这显然是一个成本问题，并且在短期内无法达到现有数据集的规模。
有没有一种方法可以利用现有的数据集来构建图像分类模型，并用我手动从头构建的对象检测模型进行增强，尽管后者的数据集可能只有几百个项目？
回答：
一种解决方法是使用多标签分类，其中模型会告诉您A存在的概率，B存在的概率，以及C存在的概率，但这些概率是相互独立的。不幸的是，Create ML无法训练这种类型的模型。
