深度学习要经常做样本很麻烦，有没有什么简便方法？

产品缺陷检测，用深度学习是个趋势，通过大样本的训练，系统可以识别哪些是目标缺陷，哪些是干扰。效果是比较好的。
不过干扰种类比较多，形式也比较多样，比如说划伤，脏污，样本就要不断的补充，工作量其实很大，需要持续性的维护工作。
有没有什么方法可以不用这么麻烦？

我目前的想法是，简单的目标识别，尽可能通过建模来识别，不通过深度学习，因为使用深度学习，就少不了要跟大样本打交道，维护工作量很大。
如果能建立一个简洁的模型出来，到时候只要控制差异度，就能判定是不是目标了。
只是这个模型建立起来会很困难，目前我准备用hog, 高斯混合模型，svm试试。

各位高手，还有没有什么其他的建议？不胜感谢。