如何提高图像分类模型的模型精度

时间:2019-03-20 17:27:44

标签: python image-processing keras deep-learning conv-neural-network

我正在进行图像分类,我的火车精度是90,验证是85,请帮助我提高精度。这是我的模型。

model = Models.Sequential()

model.add(Layers.Conv2D(200,kernel_size=(3,3),activation='relu',input_shape=(64,64,3)))
model.add(Layers.Conv2D(180,kernel_size=(3,3),activation='relu'))
model.add(Layers.MaxPool2D(2,2))
model.add(Layers.Conv2D(180,kernel_size=(3,3),activation='relu'))
model.add(Layers.Conv2D(140,kernel_size=(3,3),activation='relu'))
model.add(Layers.Conv2D(100,kernel_size=(3,3),activation='relu'))
model.add(Layers.Conv2D(50,kernel_size=(3,3),activation='relu'))
model.add(Layers.MaxPool2D(2,2))
model.add(Layers.Flatten())
model.add(Layers.Dense(180,activation='relu'))
model.add(Layers.Dropout(rate=0.5))
model.add(Layers.Dense(100,activation='relu'))
model.add(Layers.Dropout(rate=0.5))
model.add(Layers.Dense(50,activation='relu'))
model.add(Layers.Dropout(rate=0.5))
model.add(Layers.Dense(6,activation='softmax'))

model.compile(optimizer=Optimizer.Adam(lr=0.0001),loss='sparse_categorical_crossentropy',metrics=['accuracy'])
SVG(model_to_dot(model).create(prog='dot', format='svg'))
Utils.plot_model(model,to_file='model.png',show_shapes=True)
model.summary()

这是我的时代

Epoch 28/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.3929 - acc: 0.8777 - val_loss: 0.4905 - val_acc: 0.8437
Epoch 29/35
11923/11923 [==============================] - 59s 5ms/sample - loss: 0.3621 - acc: 0.8849 - val_loss: 0.5938 - val_acc: 0.8394
Epoch 30/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.3541 - acc: 0.8865 - val_loss: 0.4860 - val_acc: 0.8570
Epoch 31/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.3460 - acc: 0.8909 - val_loss: 0.5066 - val_acc: 0.8450
Epoch 32/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.3151 - acc: 0.9001 - val_loss: 0.5091 - val_acc: 0.8517
Epoch 33/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.3184 - acc: 0.9025 - val_loss: 0.5097 - val_acc: 0.8431
Epoch 34/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.3049 - acc: 0.9015 - val_loss: 0.5694 - val_acc: 0.8491
Epoch 35/35
11923/11923 [==============================] - 58s 5ms/sample - loss: 0.2896 - acc: 0.9085 - val_loss: 0.5293 - val_acc: 0.8464

请帮助我降低错误率。

2 个答案:

答案 0 :(得分:4)

没有唯一答案。您应该进行测试并发现解决问题的方法。

您可以尝试一些操作:

  • 增加辍学
  • 更改您的网络体系结构:删除层,添加更多层
  • 修改训练参数:测试其他优化器,不同时期和学习率
  • 使用您的训练集:有时问题出在您的数据中,分析数据分布,确保您的训练集可以很好地代表您的课程并保持均衡。根据您的问题,您也可以测试数据增强技术。

我怎么说,没有唯一的答案,您必须找出最适合您的情况的方法。应对深度学习是要不断地进行实验,以找到解决问题的最佳模型。

答案 1 :(得分:1)

尝试几种具有不同架构/超参数的模型,然后看看哪种模型效果最好。

例如,这是paper on the subject。作者使用进化的元启发式方法来构建最佳架构。

在比赛中,一种有用的技术是训练一组模型并对其预测取平均值。