图像分类模型重新校准

Question

我使用tensorflow-keras构建了图像分类模型（CNN）。我需要将一些新图像添加到同一模型中，以提高现有模型的准确性。

我尝试使用以下代码。但这会降低准确性。

re_calibrated_model = loaded_model.fit_generator(new_training_set,
                                                   steps_per_epoch=int(stp),
                                                   epochs=int(epc),
                                                   validation_data=new_test_set,
                                                   verbose=1,
                                                   validation_steps = 50)

有什么方法可以用来重新校准CNN模型？

Answer 1

如果您使用完全不同的数据集进行第二次培训，则您的新培训课程不会从以前的培训准确性开始。

您需要根据自己的意愿提供（old_images + new_images）。

Answer 2

我通常要做的是在第一批图像上训练CNN模型并保存该模型。如果需要用其他图像“重新训练”模型，则可以从磁盘加载以前保存的模型，并应用输入（测试和训练）并调用fit方法。如前所述，这仅在您的输出完全相同（即，如果您使用相同的输入和输出类）时有效。

根据我的经验，使用不同图像批次的训练模型并不一定使您的模型或多或少准确，而是每批次增加训练时间。由于我使用CPU进行训练，因此，如果我训练两批每幅1000张图像，而反对训练一批2000张图像，我的训练时间将缩短30％。