为什么数据扩充不能提高我的性能（cnn）？

Question

我对深度学习比较陌生。我试图训练一个CNN模型来对脑电数据的频谱图进行分类。当应用数据扩充时，该模型的性能比没有数据扩充时差。。。我错过了什么？通常，我们的模型在训练和验证时的精度为0.84，损失为0.5

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=0,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

datagen.fit(X_train)

model.fit_generator(datagen.flow(X_train, y_train, batch_size=128), validation_data= (X_test, y_test), steps_per_epoch=len(X_train) / 32, epochs=100)

after training with generated data

Answer 1

在处理实际图像时，这种类型的数据增强是有意义的。狗的移动或翻转图像仍然是狗的图像。翻转EEG频谱图是一种完全不同的信号。请参阅here，以了解可能适用于您的案例的数据增强技术