深度学习中不平衡数据的任何不良影响？

Question

我发现在像imagenet，cifar-100这样的流行数据集中，每个类别的图像数量是相同的。 我想知道如果分类培训图像不平衡，是否会产生任何不良影响。 （例如，豹子为100只，大象为5000只）

Answer 1

是的，在这种情况下，您可能会遇到一些问题：隐藏的图层会更多地针对大象的特征进行训练。如果你增加隐藏的过滤器或神经元的数量来容纳豹子，你就有可能在这个过程中过度拟合大象。

主要问题是你是否有足够的豹图像来区分它们与其他输入。如果是这样，并且如果您加载训练数据使得豹子在训练的前200-300张照片中具有良好的平衡，那么后者对大象的训练将对“发现”的特征产生较小的影响。但是，这会影响训练速度而不是准确度。