如何提高卷积神经网络的准确性

Question

我正在实现花朵识别-数据集中的花朵类型很少。 数据集总共包含约4000张图像

我的代码-

$("#systemPath")[0].files[0]

由此，我得到了准确性和损失

Accuracy scale

Loss scale

然后，我需要提高准确性。所以，我只增加epochs = 30，结果是

（每纪元= 30）

Accuracy scale

Loss scale

我了解到神经网络会设置随机权重，以便获得不同的结果。但是如何提高准确性。我是神经网络的新手。将不胜感激一些解释。谢谢

Answer 1

根据训练和验证指标，该模型似乎过拟合。这就是为什么训练准确性不断提高而验证准确性似乎保持不变的原因。过度拟合的原因是缺少训练样本。 您可能必须增加训练样本的数量。尝试一个接一个地追踪。

• 将辍学率降低至〜0.2。
• 尝试减少卷积层的数量

如果您希望我们尝试使用该模型，请更新指向数据集的链接。

Answer 2

我认为您有足够的数据样本。我建议您尝试以下操作：

1. 从卷积层中删除激活。
2. 在每个卷积层之后，应用BatchNormazalization
3. 每个批次标准化后，现在进行激活，例如Relu

您还可以尝试增加卷积层中的内核数量并减小批处理大小，可能是32或16