代码之家 › 专栏 › 技术社区 › batuman

使用VGG16网络错误分类

caffe conv-neural-network deep-learning tensorflow

batuman · 技术社区 · 6 年前

我使用更快的RCNN对33个项目进行分类。但它们中的大多数被错误地分类了。所有的东西都是零食包和甜食包,如下面的链接所示。

https://redmart.com/product/lays-salt-and-vinegar-potato-chips

https://www.google.com/search?q=ice+breakers&source=lnms&tbm=isch&sa=X&ved=0ahUKEwj5qqXMofHfAhUQY48KHbIgCO8Q_AUIDigB&biw=1855&bih=953#imgrc=TVDtryRBYCPlnM:

https://www.google.com/search?biw=1855&bih=953&tbm=isch&sa=1&ei=S5g-XPatEMTVvATZgLiwDw&q=disney+frozen+egg&oq=disney+frozen+egg&gs_l=img.3..0.6353.6886..7047...0.0..0.43.116.3......1....1..gws-wiz-img.OSreIYZziXU#imgrc=TQVYPtSi--E7eM:

所以颜色和形状是相似的。解决这个错误分类问题的最佳方法是什么?

1 回复 | 直到 6 年前

Ankish Bansal 6 年前

微调是在我们的问题中使用在一些大数据集上学到的特性的一种方法,这意味着我们不再训练整个网络,而是 freeze 根据需要,去掉网络下层的权重,在网络末端增加几层。现在我们在我们的数据集中再次训练它。所以优势给你,我们不需要训练 all-millions 参数,但很少。另一个是我们不需要 large-dataset 微调。

你能找到更多 here . 这是 another-useful 资源,其中作者已经详细解释了这一点(使用代码)。

注释 :这也被称为 transfer-learning .

推荐文章

bz_jf · CNN训练损失太不稳定了

2 年前

Elia · TF |培训结束后如何从CNN预测

6 年前

Cameron Blake · 基于Keras的误差多分类神经网络

6 年前

Md Riaz · 多标签文本分类。我有一个文本/标签csv。文本是纯文本,标签是字母数字

6 年前

mcanizo · keras conv1d输入数据重塑

6 年前

batuman · Google Net的感受野计算

6 年前

Nima · caffe检查失败:kernel\u size指定了2次;0个空间DIM

6 年前

user288609 · ValueError:输入0与层conv1d\u 1不兼容:预期ndim=3,发现ndim=4

6 年前

KatharsisHerbie · 两种不同输入类型(图像和值)的Keras神经网络

6 年前

Adam Collins · sess中的第二个feed\u dict。run(),培训时评估

6 年前