我正在尝试使用机器学习按特定姿势对人物图像进行分类。我收集的图像类别是“姿势”或“未知”。我有大量的姿势人物照片以及没有摆姿势的人。
该模型似乎过度拟合了“姿势”类别，因为当我将相机对焦于除人以外的任何事物时，它还会显示“姿势”而不是“未知”类别的自信分数。我想知道我是否应该在“未知”系列中加入大量随机照片以帮助解决这个问题？如果我添加大量这些照片，我是否应该添加相同数量的“姿势”照片，以免在模型中引入偏差？
另外，我考虑过使用OpenCV在输入ML模型之前对图像进行预处理，对此有何看法？
如果有帮助，我正在关注Tensorflow for Poets教程。提前感谢任何提示！
答案 0 :(得分：0)
你所遵循的TensorFlow for Poets链接不够强大，重新训练它可能会导致过度拟合。请注意，它使用一个简单的CNN，在表示的顶部有一个softmax图层。您必须应用规则以避免过度拟合，否则使用input_depth = 3，bottleneck_tensor_size = 2048，input_width = 299，input_height = 299的bottleneck_tensor可以轻松过度拟合。您还可以在CNN中使用更深层次的模型和更好的汇集。有关详细信息，请查看the code。
添加照片不会避免ML模型中的偏见，AFAIK，OpenCV对您的ML模型没有任何负面影响。