我有一个相当大的数据集(超过50万张50x50张图片),总共包含62个类。图像代表英文字母和数字(全部手写)。每个班级至少有2000个样本。在
我一直在训练卷积神经网络用张量流来识别这些图像。在
问题:在快速(大约200次训练迭代)非常接近局部最优(损失值如0.01)之后,我的分类器在测试集上的准确率仍停留在82%左右。在
问题:我怎样才能更准确?我和CNN有什么不对吗?另外,尝试支持向量机值得吗?我根据我下面的CNN模型给出详细信息。在
随机数据集条目: 问题2:除了旋转模式,我的预处理方法是否良好?我是要拉伸图案还是让它保持原样:使用带有冗余白色像素的左右边距区域。在
详细信息和超参数:
0.001
1.0
(无辍学)1500
2
2
1
2
像素5
像素0.2/0.8
注意:纹身不是骨骼,它们有它们原来的宽度。图像是二进制的,模式值为0,背景为1。在
下面是我的代码负责培训和一个很小的图像子集:
https://drive.google.com/open?id=0B5kuwbyrKVqnTm1PMGZGMUxUNFU
由于我的网速慢,我无法上传足够的数据。
但是,您可以绘制这些图像,以确定是否需要进一步的预处理。在
看起来太合适了。你的损失是0.01,测试集的准确率在82%左右,损失大于0.01(准确率99%约损失0.04)。在
这是一个具体的问题。我认为:
没有测试,这只是建议,顺便说一句,如果你愿意,给一个数据集的网址,我想训练它。;—)
相关问题 更多 >
编程相关推荐