Question

我正在使用下面的keras模型来训练一个神经网络，分别告诉52个游戏卡23456789TJQA，分别是Club，Diamond，Heart和Spade。

该模型工作得很好，但偶尔会告诉Club和Diamond分开，因为它们是最相似的（差异非常精细）。我想知道是否有人建议我以何种方式改进以下型号？

我尝试了不同的东西，比如将所有内容转换为黑白，灰度，平滑，增强等，但似乎没有什么能解决这个问题。

图片均为15x50像素，有1个通道，因此输入形状为（15,50,1）

    model = Sequential()
    model.add(Conv2D(32, (3, 3), input_shape=input_shape, activation='relu', padding='same'))
    model.add(Dropout(0.2))
    model.add(Conv2D(32, (3, 3), activation='relu', padding='same'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Conv2D(64, (3, 3), activation='relu', padding='same'))
    model.add(Dropout(0.2))
    model.add(Conv2D(64, (3, 3), activation='relu', padding='same'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Conv2D(128, (3, 3), activation='relu', padding='same'))
    model.add(Dropout(0.2))
    model.add(Conv2D(128, (3, 3), activation='relu', padding='same'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Flatten())
    model.add(Dropout(0.2))
    model.add(Dense(1024, activation='relu', kernel_constraint=maxnorm(3)))
    model.add(Dropout(0.2))
    model.add(Dense(512, activation='relu', kernel_constraint=maxnorm(3)))
    model.add(Dropout(0.2))
    model.add(Dense(num_classes, activation='softmax'))

Conv神经网络告诉标准52卡分开

0 个答案: