Neural network 为什么数据增强不能提高CNN中的纹理分类精度？

目前，我正在使用Alexnet进行分类任务

每个输入样本的大小为480*680，如下所示：

使用一个正常的网络，由大小为256*256（在预处理步骤中生成）的裁剪输入（批量大小为8）馈送，给了我92%的准确率

但是，当我尝试使用以下裁剪层生成每个（480*680）样本的5个裁剪（角点加中心裁剪）时：

# this is the reference blob of the cropping process which determines cropping size
layer {
  name: "reference-blob"
  type: "Input"
  top: "reference"
  input_param { shape: { dim: 8 dim: 3 dim: 227 dim: 227 } }
}
# upper-left crop
layer{
  name: "crop-1"
  type: "Crop"
  bottom: "data"
  bottom: "reference"
  top: "crop-1"
  crop_param {
      axis: 2
      offset: 1
      offset: 1
    }
}
# upper-right crop
layer{
    name: "crop-2"
    type: "Crop"
    bottom: "data"
    bottom: "reference"
    top: "crop-2"
    crop_param {
        axis: 2
        offset: 1
        offset: 412
    }
}
# lower-left crop
layer{
    name: "crop-3"
    type: "Crop"
    bottom: "data"
    bottom: "reference"
    top: "crop-3"
    crop_param {
        axis: 2
        offset: 252
        offset: 1
    }
}
# lower-right crop
layer{
    name: "crop-4"
    type: "Crop"
    bottom: "data"
    bottom: "reference"
    top: "crop-4"
    crop_param {
        axis: 2
        offset: 252
        offset: 412
    }
}
# center crop
layer{
    name: "crop-5"
    type: "Crop"
    bottom: "data"
    bottom: "reference"
    top: "crop-5"
    crop_param {
        axis: 2
        offset: 127
        offset: 207
    }
}
# concat all the crop results to feed the next layer
layer{
    name: "crop_concat"
    type: "Concat"
    bottom: "crop-1"
    bottom: "crop-2"
    bottom: "crop-3"
    bottom: "crop-4"
    bottom: "crop-5"
    top: "all_crops"
    concat_param {
            axis: 0
    }
}
# generating enough labels for all the crop results
layer{
    name: "label_concat"
    type: "Concat"
    bottom: "label"
    bottom: "label"
    bottom: "label"
    bottom: "label"
    bottom: "label"
    top: "all-labels"
    concat_param {
            axis: 0
    }
}

这导致准确率达到90.6%，这很奇怪

---

有什么想法吗？

裁剪版本的典型用法是在识别过滤器的规范位置获得关键功能。例如，典型的5-crop方法通常会发现“靠近图像中间的动物脸”经常足以使其从末尾2-4层显示为学习图标

---

由于纹理倾向于重复某些质量，因此裁剪照片没有这样的优势：您呈现的是纹理的5个较小实例，颗粒相对较大，而不是完整的图像。

您可以发布一个样本（480x640）图像（预处理前）吗？裁剪图像中的重叠最小，因此您确定它们都正确地表示所需的分类吗？通常，这种数据增强涉及生成多个裁剪图像，这些图像大部分重叠，因此您希望分类的实际对象仅在每个裁剪图像中进行少量平移。如果每个角点图像只是要分类的对象的一小部分，则可能会在不经意间使分类任务变得更加困难。@Aenimated1感谢您的重播。实际上，它们是纹理图像。我个人认为，在这种情况下，生成这样的裁剪版本并没有多大帮助，但我在某个地方读到，它可以提高准确性。听起来很合理，非常感谢您的明确解释。