Machine learning 基于小数据集的Keras和vgg16迁移学习

我必须建立一个能识别15个人脸的神经网络。我在用keras。我的数据集由300张图片组成，分为训练、验证和测试。对于15人中的每一人，我有以下细分：

• 培训：13
• 验证：3
• 测试：4

由于我无法从头构建一个高效的神经网络，我也相信，因为我的数据集非常小，我正试图通过迁移学习来解决我的问题。我使用了vgg16网络。在培训和验证阶段，我得到了很好的结果，但当我运行测试时，结果是灾难性的

我不知道我的问题是什么。以下是我使用的代码：

img\u宽度，img\u高度=256，256
train\u data\u dir='dataset\u biometria/face/training\u set'
验证\u数据\u目录='dataset\u biometria/face/validation\u set'
nb_系列样品=20
nb_验证_样本=20
批量大小=16
纪元=5
model=applications.VGG19（weights=“imagenet”，include_top=False，input_shape=（img_宽度，img_高度，3））
对于model.layers中的图层：
layer.trainable=错误
#添加自定义图层
x=模型输出
x=展平（）（x）
x=密集（1024，activation=“relu”）（x）
x=辍学率（0.4）（x）
x=密集（1024，activation=“relu”）（x）
预测=密集（15，activation=“softmax”）（x）
#创建最终模型
模型\最终=模型（输入=模型。输入，输出=预测）
#编译模型
模型_final.compile（loss=“categorical_crossentropy”，optimizer=optimizers.SGD（lr=0.0001，momentum=0.9），度量=[“准确性”]）
#使用数据预告启动列车和测试发电机
列车\数据发生器=图像数据发生器(
重新缩放=1./255，
水平翻转=真，
填充模式=“最近”，
缩放范围=0.3，
宽度\偏移\范围=0.3，
高度\位移\范围=0.3，
旋转（范围=30）
test_datagen=ImageDataGenerator(
重新缩放=1./255，
水平翻转=真，
填充模式=“最近”，
缩放范围=0.3，
宽度\偏移\范围=0.3，
高度\位移\范围=0.3，
旋转（范围=30）
train_generator=来自目录的train_datagen.flow_(
列车数据目录，
目标尺寸=（图像高度、图像宽度），
批次大小=批次大小，
class_mode=“分类”）
验证\u生成器=来自\u目录的测试\u datagen.flow\u(
验证\u数据\u目录，
目标尺寸=（图像高度、图像宽度），
class_mode=“分类”）
#根据条件保存模型
检查点=模型检查点（“vgg16\u 1.h5”，监视器=”val\u acc'，详细=1，保存最佳值仅=真，保存权重仅=假，模式=”自动'，周期=1）
早期=早期停止（监视器='val\u acc'，最小增量=0，耐心=10，详细度=1，模式='auto'）
#训练模型
型号\最终安装\发电机(
列车发电机，
每个历元的样本数=nb列样本数，
时代，
验证数据=验证生成器，
nb_val_样本=nb_验证_样本，
回调=[checkpoint，early]）
模型（'model_face_classification.h5'）

我还尝试训练一些层，而不是不训练任何层，如下例所示：

模型中图层的

。图层[：10]：
layer.trainable=错误

我还尝试更改了历代的数量、批量大小、nb_验证样本、nb_验证样本

---

不幸的是，结果没有改变，在测试阶段，我的网络无法正确识别人脸。

在没有看到实际结果或错误的情况下，我无法说出问题所在。
当然，小数据集是一个问题，但是有很多方法可以解决它。
您可以使用图像增强来增加样本。你可以参考

但除了修改上述网络之外，还有一个非常酷的模式：

暹罗网络/一次性学习

。它不需要太多的图片和精度是伟大的

因此，您可以查看以下链接以获得帮助：

---

在没有看到实际结果或错误的情况下，我无法说出问题所在。
当然，小数据集是一个问题，但是有很多方法可以解决它。
您可以使用图像增强来增加样本。你可以参考

但除了修改上述网络之外，还有一个非常酷的模式：

暹罗网络/一次性学习

。它不需要太多的图片和精度是伟大的

因此，您可以查看以下链接以获得帮助：

---

尝试使用Adam优化器。SGD可以超出最小值，也可以围绕局部最小值振荡。请尝试使用Adam优化器。SGD可以超出最小值，也可以围绕局部最小值振荡。将文件夹或目录路径也放入代码中。此错误意味着脚本无法找到所需的Images目录谢谢您的建议。我从第一个链接下载了文件夹，安装了所需的软件包，但当我尝试启动文件face_recognizer.py时，终端告诉我：回溯（最近一次调用）：文件“face_recognizer.py”，第24行，在os.listdir（os.path.join（'images'，name'）：NotADirectoryError:[Errno 20]不是目录：“images/.DS_Store”也将文件夹或目录路径放入代码中。此错误意味着脚本无法找到所需的Images目录谢谢您的建议。我从第一个链接下载了文件夹，安装了所需的软件包，但当我尝试启动文件face_recognizer.py时，终端告诉我：回溯（最近一次调用）：文件“face_recognizer.py”，第24行，在os.listdir（os.path.join（'images'，name'）：NotADirectoryError:[Errno 20]不是目录：“images/.DS\u Store”