Итак, на данный момент я использую набор данных с 400 изображениями (надеюсь добавить больше в ближайшем будущем), но тем временем я пытался найти, какая архитектура CNN является лучшей среди предварительно обученной сети. из Набор инструментов глубокого обучения.
Поэтому я провел некоторый тест, чтобы сравнить их с теми же параметрами, и, например, после 10 эпох у меня более 95% точности проверки для DenseNet, Inceptionv3 или Xception, но у меня менее 20% для Darknet, VGG или GoogleNet. . Почему такая большая разница? Это потому, что в моем наборе данных недостаточно изображений? Не хватило эпох?
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech , ME, M.Tech, к.т.н. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.
Поскольку некоторые модели работают, а другие нет, проблема, вероятно, связана с вариантами обучения, используемыми при переносе обучения. Вы также можете увеличить количество выборок, особенно если требуемые классы недостаточно хорошо представлены в наборе данных ImageNet. Этот набор данных использовался для обучения этих моделей, поэтому, если требуемый класс не представлен/недостаточно представлен, это может быть проблемой.
Несколько вещей, которые можно попробовать,
- Попытка переобучения модели на нескольких образцах. Это говорит о том, что модель правильно настроена для обучения.
- Если только точность проверки низкая, то модель переобучается на обучающем наборе данных. Снижаться
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
