Question

已更新：将旋转范围增加到180，增加了GaussianNoise。查看代码

我正在使用CNN进行图像分类。我在训练数据集中有2张3500级灰度照片，在验证数据集中有1000张灰度照片。问题是首先5到10个时期的火车acc和有效acc不断增加，但是有效acc却开始减少，因此在火车acc不断增加的同时急剧下降。

我看到这是因为过拟合，但我也尝试通过在ImageDataGenerator.中放入一些参数来处理过拟合

train_image_generator = ImageDataGenerator(rescale=1. / 255,
                                           rotation_range=180,
                                           width_shift_range=.15,
                                           height_shift_range=.15,
                                           horizontal_flip=True,
                                           fill_mode='nearest',
                                           shear_range=0.05,
                                           zoom_range=0.5
                                           )

我还把Dropout层放在了CNN架构中。

model = Sequential([
    GaussianNoise(0.01, input_shape=(IMG_HEIGHT, IMG_WIDTH, 1)),
    Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_HEIGHT, IMG_WIDTH, 1)),
    Dropout(0.7),
    MaxPooling2D(),

    Conv2D(32, 3, padding='same', activation='relu'),
    Dropout(0.7),
    MaxPooling2D(),
    Dropout(0.5),

    Conv2D(64, 3, padding='same', activation='relu'),
    Dropout(0.7),
    MaxPooling2D(),
    Dropout(0.5),

    Flatten(),
    Dropout(0.7),

    Dense(512, activation='relu'),
    Dense(2, activation='softmax')
])

我已经设置了学习率：

adamOpti = Adam(lr=0.00005)
model.compile(optimizer=adamOpti,
              loss="categorical_crossentropy",
              metrics=['accuracy'])

即使我也设置了EarlyStopping：

es = EarlyStopping(monitor='val_loss', mode='min', verbose=1, patience=200)
mc = ModelCheckpoint('best_model.h5', monitor='val_acc', mode='max', verbose=1, save_best_only=True)

TL，DR我为交易过拟合尝试的清单：

图像增强
减少层和神经元的数量
随机播放火车图像生成器
降落
早停
调音学习率
更多数据（直到那时仍在收集dunno）

我不知道还有什么我想念的。欢迎所有评论。预先谢谢你

Answer 1

我建议从图像增强过程开始。向图像添加模糊，旋转，噪点，剪切等，以使模型不会一遍又一遍地看到同一组图像。尽管感觉很直观，但是您需要通过增加多样性来使模型更难。这将使它更好地概括。

还要确保您的班级不高度不平衡（最大班级的图像数量不超过最小班级图像的数量的10倍）。这是为了确保您的批次中没有一个班级人数过多。如果您在一类中拥有比其他类更多的图像，请从较大的类中删除一些图像，或者为较小的类收集更多图像（或生成以某种方式增强的新图像），直到每个图像上的图像数量更多为止课。

最后，如果您的硬件支持的话，您可以增加批量大小，从而增加每批图像的多样性。

编辑：

您似乎只有两个班级，而且他们是平衡的。我建议尝试将图像增强作为第一种方法（旋转，模糊，噪点，剪辑，偏斜）

Keras验证准确性不断提高

1 个答案: