我使用alexNet训练了一个深度学习模型来对汽车模型进行分类。数据来自网络，包括谷歌图片，闪烁，等等。
该模型在从网络收集的单独测试集上进行测试（许多来自闪烁），并且工作正常。但是，我已经构建了一个简单的Android应用程序，它采用“横向模式”照片并将其发送到服务器以识别汽车。移动图像的性能非常差。我使用在imageNet上训练的alexNet模型测试了图像，模型没有正确回答这些图像。
我想知道，如果在申请移动图片时有任何想法我错过了。
感谢。
答案 0 :(得分：0)
您可能希望将使用移动设备拍摄的照片添加到训练数据中。如果无法做到这一点，您可以预先处理图像，使其更像是用于训练的图像（例如，标准化）。
编辑：
平均图像减法不是标准化。归一化是减去平均图像然后除以标准偏差。两者均来自训练集。
你应该分析这两个图像。也许有分辨率/闪电变化等。如果没有两个图像的样本，很难分辨出究竟是什么区别。然而，深度学习因数据采集的变化而变得糟糕。
第二次编辑：
移动影像可能失败的另一点是分辨率。 CNN可以处理任何分辨率，如果您将4000x2000图像传入图像网络，它可能会找到与224x224图像不同的内容。出于这个原因，您可能想要发布Web图像和移动图像，我们在stackoverflow上可能会告诉您不同之处。