Neural network 如何评估Keras中用于目标检测的神经网络的质量？

我已经在Keras中训练了神经网络，用于检测两类图像（猫和狗），并获得了测试数据的准确性。硕士论文中的结论是否足够，或者我是否应该采取其他措施来评估网络的质量（例如，交叉验证）？

不太可能，我希望我的学生在任何分类设置中都能做到准确无误。精度仅评估特定测试集上的特定网络，但您必须在一定程度上证明您在构建该网络时所做的设计选择是正确的。以下是一些需要考虑的事项：

假设您已经确定了一些超参数，您可以调查这些参数如何影响结果。有多少个过滤器？多少层？最重要的是为什么

对象分类的一个重要方面是模型如何处理噪波。根据您的数据集，一种简单的方法是预处理测试数据、模糊它、反转颜色等，您会发现性能会下降。为什么会这样？那么这个房间看起来怎么样

网络的性能如何？比如说，与另一个系统相比，它是快还是慢

---

当你评估你的项目时，不仅仅是网络，询问为什么事情有效，而不仅仅是为什么事情不起作用。你真的在谈论对象检测吗？在对象检测中，您通常使用mAP或UoI等评估指标，而不是准确性，因为您正在检测对象的位置。或者你正在研究图像分类？