神经网络的数据化

Question

我有想要处理的图片。从这些图像中提取第一个特征，然后将这些特征输入神经网络进行训练。我虽然没有很多图像，但想生成更多数据。

1）产生过度拟合的原因是什么：我应该从原始图像生成更多图像，然后用它们提供整个管道，还是应该为提取的特征带来变化，然后用这种方式训练神经网络中的更多数据？ / p>

第二种方法在计算上更便宜，但产生更好的结果？

2）对于生成更多数据（更多图像或更多图像），尝试了哪些技术？

Answer 1

当您没有足够的数据时，您的模型的性能可能会很差。所以你必须尝试一些事情：

1. 您可以修改已应用翻译，轮播等的数据;例如，将图像的所有像素向左移动几个像素。这是对图像的操作。
2. 您还可以通过生成模型生成更多图像：受限制的玻尔兹曼机器，深信仰网络等。

您还可以确定是否需要更多培训数据。在坐标轴中绘制训练数据和验证数据的分数。在 x 轴中，集合的大小（所有集合的10％，所有集合的20％，...，所有集合的90％）和 y 轴是得分。然后你看看图表。为了更好地理解我所说的我强烈推荐机器学习的Andrew Ng（https://www.coursera.org/learn/machine-learning）的视频，特别是第6周（应用机器学习的建议）