Class 具有不平衡类的Tensorflow Resnet

我使用带有Tensorflow的Resnet来训练一个包含20个类的模型

我的问题是，我有6-7个类，有很多样本，大约相同数量的类有中等数量的样本，其余的类只有很少的样本。在这个给定的分布中，我的模型有一个很强的倾向，即预测样本较大的班级，而不是样本较小的班级。我试图通过减少大班的样本数量来平衡我的班，这有助于在预测过程中给小班让出一个位置，但现在我已经到了一个地步，我无法将我的模型提高到90%以上的准确率，而且我觉得在大班中削减样本会丢失很多有价值的信息

因此，在我购买更多样本之前，我想知道是否有一种方法可以处理不平衡的类，这种逻辑使得模型能够很好地识别是否存在较大的类（因为它有如此多的样本，以至于它非常能够识别它们的存在），然后，如果它们不存在，去检查还有哪些课程。想法是使用我所有的样本，而不是减少它们

---

我已经在Keras/Tensorflow中尝试了加权类选项，但没有任何帮助。

除了您目前使用的欠采样技术外，还有两种处理不平衡数据的方法：

类别权重

过采样

---

过采样与您所做的相反，即，您将多次训练每个未被表示类的样本。类权重是指在训练过程中告诉模型每个类样本的权重（神经网络训练中的权重更新）。tensorflow支持这两种情况，您可以在中找到它们。

这可能是一个很好的解决方案