目前，我正在研究“年龄分类”问题。
假设我有2个数据集，例如A和B。数据集A包含大约160k图像，而集合B仅包含5k图像。
- 火车组A是从Internet下载的。每个图像都是完美的
标有特定年龄范围的标签。例如，总共7个年龄段。
- 从真实场景中手动标记集合B（视频
相机）。很多嘈杂的图像和小尺寸的图像。 （45x45）
- 测试集C与训练集B（真实情况）（是私人集）相似
我采用了转移学习技术，但是我在B机上表现不佳。我想在B机上表现出色，因此我可以在C机上获得可比的性能。
培训过程包括2个步骤：
- 对集合A进行10个时期的微调（因为过拟合会在10个时期之后发生）。我使用了VGG16体系结构（权重是从ImageNet初始化的），并修改了1000-> 7类中的最后一个完全连接的层。
- 最后评估B集
结果：几乎是20-29岁和30-39岁的预测。
我猜想有不平衡的数据集需要微调。
我真正的问题是：
- 如何创建可以利用集合B的好处的平衡数据集？
- 我训练的过程是否正确？
请注意：B组中的图像质量较A组低。
如何提高模型的性能？谢谢你的建议。 This is the comparison 2 set A and B
