图像分类

图像分类是一种监督学习，模型被训练来识别和分类图像中的物体。AutoTrain 简化了这一过程，让您可以通过简单地上传标记的示例图像来训练最先进的图像分类模型。

准备您的数据

为了确保您的图像分类模型有效训练，请遵循以下指南来准备您的数据

整理图像

准备一个包含您分类图像的 zip 文件。每个类别应该有自己的子文件夹，以它代表的类别命名。例如，要区分“猫”和“狗”，您的 zip 文件结构应该类似于以下结构

cats_and_dogs.zip
├── cats
│   ├── cat.1.jpg
│   ├── cat.2.jpg
│   ├── cat.3.jpg
│   └── ...
└── dogs
    ├── dog.1.jpg
    ├── dog.2.jpg
    ├── dog.3.jpg
    └── ...

图像要求

• 格式：确保所有图像都为 JPEG、JPG 或 PNG 格式。

• 数量：每个类别至少包含 5 张图像，为模型提供足够的学习示例。

• 排他性：zip 文件应该只包含以类别命名的文件夹，这些文件夹应该只包含相关图像。不应包含任何其他文件或嵌套文件夹。

其他提示

• 统一性：虽然不是必需的，但拥有大小和分辨率相似的图像可以帮助提高模型性能。

• 可变性：为每个类别包含各种图像，以涵盖模型在现实世界场景中可能遇到的各种外观和上下文。

一些需要牢记的要点

• 压缩文件应包含多个文件夹（类别），每个文件夹应包含单个类别的图像。
• 文件夹名称应与类别名称相同。
• 图像必须为 jpeg、jpg 或 png 格式。
• 每个类别至少应包含 5 张图像。
• 压缩文件中不得包含任何其他文件。
• 压缩文件夹内部不得包含任何其他文件夹。

解压缩 train.zip 后，会创建两个文件夹：cats 和 dogs。 这是两个分类类别。 两个类别的图像分别位于各自的文件夹中。 您希望创建多少类别都可以。