Neural network 图像增强有帮助吗？_Neural Network_Deep Learning_Classification

Neural network 图像增强有帮助吗？

neural-network deep-learning

Neural network 图像增强有帮助吗？,neural-network,deep-learning,classification,Neural Network,Deep Learning,Classification,我正在尝试建立cnn模型（keras），它可以根据用户的情绪对图像进行分类。我的数据有问题。我有非常小的训练数据。扩充数据会有帮助吗？它能提高准确性吗？在这种情况下，我们应该选择增加数据，并且应该避免？是的，数据增加确实有帮助，有时确实是必要的。（但看看马丁·托马的回答，这里有更多的细节和一些重要的“小心”）您应该在以下情况下使用它：你的数据太少了您注意到您的模型太容易过度拟合（可能是模型太强大）过度拟合是指当模型能够记忆数据时发生的情况。然后，它得到了极好的精度训练数据，但可怕的准

我正在尝试建立cnn模型（keras），它可以根据用户的情绪对图像进行分类。我的数据有问题。我有非常小的训练数据。扩充数据会有帮助吗？它能提高准确性吗？在这种情况下，我们应该选择增加数据，并且应该避免？

是的，数据增加确实有帮助，有时确实是必要的。（但看看马丁·托马的回答，这里有更多的细节和一些重要的“小心”）

您应该在以下情况下使用它：

你的数据太少了
您注意到您的模型太容易过度拟合（可能是模型太强大）

过度拟合是指当模型能够记忆数据时发生的情况。然后，它得到了极好的精度训练数据，但可怕的准确性测试数据

增加训练数据的大小将使模型更难记忆。这里或那里的细微变化将使您的模型不再关注那些毫无意义的细节（但能够在图像之间创建差异），而是开始关注那些确实会产生预期效果的细节

是的，数据扩充真的很有帮助，有时确实很有必要。（但看看马丁·托马的回答，这里有更多的细节和一些重要的“小心”）

您应该在以下情况下使用它：

你的数据太少了
您注意到您的模型太容易过度拟合（可能是模型太强大）

过度拟合是指当模型能够记忆数据时发生的情况。然后，它得到了极好的精度训练数据，但可怕的准确性测试数据

扩充数据会有帮助吗？它能提高准确性吗

这很难提前说。但几乎可以肯定的是，当你已经有了一个比随机更好的模型时。当你选择正确的增强方法时

参见我的硕士论文，第80页，了解许多不同的增强方法

在这种情况下，应选择增加数据，并应避免

当您没有足够的数据->扩充
避免在你无法说出增强后的情绪的情况下进行增强。因此，在字符识别的情况下，旋转是一个坏主意（例如，由于
```
6 vs 9
```
或
```
u vs n
```
或
```
\rightarrow vs\nearrow
```
）

扩充数据会有帮助吗？它能提高准确性吗

这很难提前说。但几乎可以肯定的是，当你已经有了一个比随机更好的模型时。当你选择正确的增强方法时

参见我的硕士论文，第80页，了解许多不同的增强方法

在这种情况下，应选择增加数据，并应避免

当您没有足够的数据->扩充
避免在你无法说出增强后的情绪的情况下进行增强。因此，在字符识别的情况下，旋转是一个坏主意（例如，由于
```
6 vs 9
```
或
```
u vs n
```
或
```
\rightarrow vs\nearrow
```
）

缩放、缩放和旋转是否足以进行增强，或者我们还可以使用通道和直方图均衡化？如果不尝试，就无法判断某些增强是否足够。更有趣的问题是他们是否改进了模型。这也是一个非常严重的问题，模型和数据集特定（+1为答案）的确，@MartinThoma.zooming，scaling和rotation对于增强是足够的，还是我们也可以使用通道和直方图均衡化？如果不尝试，你不能说一些增强是否足够。更有趣的问题是他们是否改进了模型。这也是一个非常严重的问题，模型和数据集特定（+1为答案），确实如此，@MartinThoma。