Machine learning 使用Imagenet 2011上训练的深度卷积神经网络获得低精度
我已经下载了Imagenet2011数据集,并尝试使用说明在其上训练imagenet网络。我使用了大约500K的图像进行训练,70K的图像进行验证 我还下载了用于实验的ILSVRC 2012验证集 结果如下: 关于ILSVRC 2012官方验证集: 我的网络:46%准确率,原Caffe Imagenet网络:56%准确率 在我的验证集上:我的网络:53%的准确率,原始Caffe Imagenet网络:80%的准确率 关于我的训练数据(检查是否过度拟合):我的网络:99%准确度,原始Caffe Imagenet网络:70%准确度 我想寻求一些有关培训的帮助和提示:Machine learning 使用Imagenet 2011上训练的深度卷积神经网络获得低精度,machine-learning,deep-learning,Machine Learning,Deep Learning,我已经下载了Imagenet2011数据集,并尝试使用说明在其上训练imagenet网络。我使用了大约500K的图像进行训练,70K的图像进行验证 我还下载了用于实验的ILSVRC 2012验证集 结果如下: 关于ILSVRC 2012官方验证集: 我的网络:46%准确率,原Caffe Imagenet网络:56%准确率 在我的验证集上:我的网络:53%的准确率,原始Caffe Imagenet网络:80%的准确率 关于我的训练数据(检查是否过度拟合):我的网络:99%准确度,原始Caffe I
“数据增强的第一种形式包括生成图像平移和水平反射。我们通过提取随机224 x224面片(及其水平反射)来实现这一点。”从256x 256张图像中,我们在这些提取的补丁上训练我们的网络4。这将我们的训练集的大小增加了2048倍,当然,产生的训练示例是高度相互依赖的。”如果您在caffe的github页面上发布,您可能会得到更好的响应,它非常活跃。我认为数据扩充和训练数据量非常重要——此外,对于每个训练集大小,deep net的最佳参数都会不同,因此默认参数不是一个好的选择谢谢您的评论。我在谷歌群组上尝试了Caffe的用户群,但没有得到回应。@GilLevi嗨,你对100类分类的方法是什么?我也只对10个类感兴趣,但是我不能用AlexNet类型的体系结构实现良好的准确性。