Question

我试图在Keras中仅使用1个频道对图像进行分类（29 x 29）。如果中间像素在某个范围内，则输出为1，否则为0。

对于训练集，我有10000个图像，输出1和30000个图像，输出0，我使用以下架构：

model = Sequential()

# kernel = (4, 4); 6 outputmaps  26x26 
model.add(Convolution2D(6, 4, 4, input_shape=(img_channels, img_rows, img_columns)))
model.add(Activation('relu'))
# 6 outputmaps of 13x13
model.add(MaxPooling2D(pool_size=(2, 2)))
# 12 outputmaps of 10x10 ; kernel = (4, 4)
model.add(Convolution2D(12, 4, 4))
model.add(Activation('relu'))
# 12 outputmaps of 5x5
model.add(MaxPooling2D(pool_size=(2, 2)))
# 24 outputmaps of 4x4 ; kernel = (2, 2)
model.add(Convolution2D(24, 2, 2))
model.add(Activation('relu'))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

编译时，我使用的是binary_crossentropy loss

model.compile(loss='binary_crossentropy', optimizer='sgd', class_mode='binary')

准确度波动，但在每个时期后达到0.75的最终值。有什么我想念的吗？有什么我应该改变或添加，以使其工作？

Answer 1

尝试解释您的方法，您希望您的CNN仅查看29 * 29像素中的1个。我不是专家，但这对CNN来说听起来不是一个好问题。但是，通常如果您的网络在训练数据上获得不良结果，则您的网络太小。所以你可以试着让它更大。您可以考虑的另一件事：您的设置（内核大小，层数，池）实际上实现了什么？您的设置可能不适合这种任务吗？这就是我要做的事情：

在没有CNN的情况下尝试此操作，即使用1或2个完全连接的层，看看会发生什么
使分辨率更精细，即使用（3,3）过滤器大小
删除maxpooling（maxpooling丢弃信息以使功能更加不变，我不知道你需要这个）
添加更多转化层
可能不相关，但您的数据集非常小，因此您不需要sgd的速度优势，而是选择其他优化工具

您的训练和测试究竟如何？这是一个玩具项目吗？

Keras中图像的二进制分类

1 个答案: