Keras 图像识别中的类不平衡
我已经使用InceptionV3网络作为我的模型的基础，对车侧（后、前、侧、内部、其他）进行分类。 现在，其中一个类（内部）只有350张图像，而最大的类（其他）有4000多张图像。其他三个差不多，每个类有1000张图片。 问题是，在训练过程中，训练和测试数据的准确率达到了约75%，但当我在相同数据的所有图像上运行模型时，它会被归类为“其他”Keras 图像识别中的类不平衡,keras,conv-neural-network,image-recognition,multiclass-classification,Keras,Conv Neural Network,Image Recognition,Multiclass Classification,我已经使用InceptionV3网络作为我的模型的基础，对车侧（后、前、侧、内部、其他）进行分类。 现在，其中一个类（内部）只有350张图像，而最大的类（其他）有4000多张图像。其他三个差不多，每个类有1000张图片。 问题是，在训练过程中，训练和测试数据的准确率达到了约75%，但当我在相同数据的所有图像上运行模型时，它会被归类为“其他” 我一直认为用class_权重对类进行加权会有所帮助，但同样的问题也会发生 有人能提出这种行为的原因吗？您在培训时是否尝试过设置？是的，首先我对其进行了无权
我一直认为用class_权重对类进行加权会有所帮助，但同样的问题也会发生
有人能提出这种行为的原因吗？您在培训时是否尝试过设置？是的，首先我对其进行了无权重的培训，然后对类进行了加权，但问题持续存在，您是否可以显示代码？