Neural network 我们可以使用深度学习网络来检测有趣或无聊的图片吗？

我正在处理一项深度学习分类任务，以区分图像/视频是无聊的还是有趣的。 基于一万个标记数据（1.有趣2.有点有趣3.正常4.无聊），我使用了一些预先训练好的imagenet模型（resnet/inception/VGG等）来微调我的分类任务

我的训练误差很小，这意味着它已经收敛了。但测试误差非常高，准确率只有35%左右，与随机结果非常相似

我发现困难的部分是：

同一个物体有不同的标签，例如，一只狗在草地上，也许一只非常可爱的狗可以被标记为一个有趣的图像。但是丑陋的狗可能被贴上无聊的标签

定义有趣或无聊的因素很多，图像质量、图像颜色、对象、环境。。。如果我们只检测到良好的图像质量图像，或者我们只检测到良好的环境图像，这是可能的，但我们如何将所有这些因素结合起来呢

每个人的兴趣点都是不同的，我可能对宠物感兴趣，但其他人可能认为这很无聊，但有一些常识，每个人都这么认为。但是我怎样才能发现它呢

---

最后，你认为这是一个可以通过深度学习解决的问题吗？如果是这样，您将如何处理此任务？

这是一个非常广泛的问题。我将尝试给出一些建议：

“我的训练错误非常小……但测试错误非常高”意味着您需要您的训练集：您的模型学习特定的训练示例，而不是学习适用于看不见的示例的一般“分类规则”。
这通常意味着相对于训练样本的数量，您有太多的可训练参数

你的问题并不完全是一个“分类”问题：将一个“有点意思”的图像归类为“无聊”比将其归类为“有趣”更糟糕。您的标签集具有顺序。考虑使用考虑这一点的损失函数。可能（如果您希望维护离散标签），或者

“EuclideanLoss”

（如果您愿意接受连续分数）

如果你有足够多的训练例子，我认为从一个深度模型中区分“有趣”的狗形象和“无聊”的狗形象并不过分。尽管语义差异不大，但图像之间存在差异，深度模型应该能够捕捉到它。
但是，您可能希望从一个为“美学”任务（例如，等等）而不是像VGG/GoogLeNet等那样的“语义”网络开始微调

---

MXnet中是否存在InfogainLoss或EuclideanLoss？我只是在咖啡馆里找到的。@daviding我不认识MXnet。欧几里德损失是非常基本的，我希望MXnet能够实现这种损失（或类似的回归任务损失）。似乎MXnet支持SoftmaxOutput、LinearRegressionOutput、LogisticRegressionOutput、MAERegressionOutput。他们提供了一个亏损的api。在这种情况下，我可以试试caffe。@daviding不深入细节，我会先试试线性回归……我明白了，线性回归是l2亏损，可能适合连续得分。对于InfogainLoss，你有什么建议？