Python 英语字母和数字识别的最佳模式

我有一个相当大的数据集（超过0.5百万张50x50张图片），总共包含62个类。图像表示英文字母和数字（全部手写）。每个班级至少有2000个样本

我一直在训练卷积神经网络，用Tensorflow识别这些图像

问题：在快速（大约200次训练迭代）接近局部最优值（损失值如0.01）后，我的分类器在测试集上的准确率停留在82%左右

问题：我如何才能获得更高的准确性？我对CNN有什么不对吗？还有，尝试SVM值得吗？我根据下面的CNN模型给出了详细信息

随机数据集条目： 问题2：除了旋转模式，我的预处理方法好吗？我是拉伸图案还是保持原样：左右边距区域有多余的白色像素

详细信息和超参数：

• Tensorflow优化器：AdamOptimizer
• 学习率α：

  0.001

• 辍学：

  1.0

  （无辍学）
• 最小批量：

  1500

• 卷积层数：

  2

• 池层数：

  2

• 完全连接的层：

  1

• 步幅：

  2

  像素
• 过滤器大小：

  5

  像素
• 测试/列车组比例：

  0.2/0.8

注意：父骨不是骨骼，它们有其原始宽度。图像是二进制的，模式值为0，背景值为1

更新 这是我负责训练的代码和一小部分图像：

---

由于互联网连接速度慢，我无法上传足够的数据
但是，您可以绘制这些图像，以确定是否需要进一步的预处理。

这似乎太合适了。您的损失为0.01，测试集上的准确度约为82%，这一损失大于0.01（准确度99%约为损失0.04）

这是一个具体的问题。我认为：

• 降低学习率，如1e-4
• 添加辍学，辍学将有助于减少过度适合
• 减小滤波器的尺寸，我认为5x5对于50x50的图片来说太大了，你可以添加更多的卷积层
• 你的激活方法，relu是一个很好的方法，以减少过度拟合

---

未测试，这只是建议，顺便说一句，如果您愿意，请提供一个数据集url，我想对其进行培训。；-）

在我看来，这是一个非常具体的问题，没有看到数据就无法回答。也就是说，我想知道您是否尝试过图像增强，例如图像的移动和/或旋转。这通常会增加模型的通用性。此外，最好尝试一些降维技术，如PCA，因为您的数据会有很多非信息像素。请在MNIST数据上寻找最先进的方法，并首先复制该网络。看看它的结果，错误分类的图像等，你可能会从中得到一些提示。您可以查看许多数据集上的最新方法列表。我将尝试图像增强。在我的例子中，图案集中在一个50x50的盒子里。有趣的是，当我只使用左数字数据时，我的精确度达到了99%，因此添加更多的类会大大降低精确度。还有一个问题：我应该拉伸图案，让它们占据整个方框，还是可以保持现在的样子：图案在内部居中，带有左右边距区域（冗余的白色像素）.我还想要一张快照@凯文，我喜欢你关于缩小conv尺寸的建议。除此之外，我建议您使用3x3 conv层，并在不使用maxpooling的情况下使用其中的6层。一定要在完全连接的层上使用dropout。第四级称为深度。尝试一个相当小的类数乘以2的深度。