Question

我正在开发一种CNN模型，以识别24种美国手语手势。我有2500张图片/手势。数据拆分为：
训练= 1250张图像/手势
验证= 625张图像/手势
测试= 625张图像/手势

我应该如何进行模型训练？：
1.我应该从较少的手势（例如5）开始开发模型，然后逐渐增加手势吗？
2.我应该从头开始建立模型还是使用迁移学习（VGG16或其他）
应用数据扩充，我对VGG16进行了一些测试，并在最后添加了一个密集分类器，并获得了以下准确性：
火车：0.87610877
验证：0.8867307
测试：0.96533334

Accuracy and Loss Graph

测试参数：
NUM_CLASSES = 5
EPOCHS = 50
STEPS_PER_EPOCH = 125
VALIDATION_STEPS = 75
TEST_STEPS = 75
框架= Keras，Tensorflow
OPTIMIZER =亚当

型号：

model = Sequential([
    Conv2D(32, (3, 3), activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH ,3)),
    MaxPooling2D(pool_size=(2,2)),

    Conv2D(64, (3, 3), activation='relu'),
    MaxPooling2D(pool_size=(2,2)),

    Conv2D(128, (3, 3), activation='relu'),
    MaxPooling2D(pool_size=(2,2)),

    Conv2D(256, (3, 3), activation='relu'),
    MaxPooling2D(pool_size=(2,2)),

    Conv2D(512, (3, 3), activation='relu'),
    MaxPooling2D(pool_size=(2,2)),

    Flatten(),
    Dense(512, activation='relu'),

    Dense(NUM_CLASSES, activation='softmax')
])

如果我尝试使用背景稍有不同的图像并预测类别（predict_classes（）），则不会获得准确的结果。有关如何使模型更健壮的任何建议？

使用深度学习卷积神经网络的手势识别

0 个答案: