Tensorflow 在所有体系结构中，验证损失的减少不小于0.4
为了研究，我正在研究面部反欺骗。我有rose youtu数据集，可以找到详细的规范。问题是，无论我对模型使用什么体系结构，验证损失都不会小于~0.5，尽管我尝试了不同的体系结构（3D CNN、2D CNN、微调、初始），以及不同的正则化组合（辍学、L1、L2、L1_L2）但问题是val_损失最终将为~0.5，当我对测试集进行评估时，我得到~0.7损失和~0.85%的准确率。请注意，没有发生过拟合，损耗和val_损耗都很接近并收敛，直到它们达到~0.3，这导致损耗减少，val_损耗在~0.4 0.6范围内波动Tensorflow 在所有体系结构中，验证损失的减少不小于0.4,tensorflow,keras,neural-network,conv-neural-network,Tensorflow,Keras,Neural Network,Conv Neural Network,为了研究，我正在研究面部反欺骗。我有rose youtu数据集，可以找到详细的规范。问题是，无论我对模型使用什么体系结构，验证损失都不会小于~0.5，尽管我尝试了不同的体系结构（3D CNN、2D CNN、微调、初始），以及不同的正则化组合（辍学、L1、L2、L1_L2）但问题是val_损失最终将为~0.5，当我对测试集进行评估时，我得到~0.7损失和~0.85%的准确率。请注意，没有发生过拟合，损耗和val_损耗都很接近并收敛，直到它们达到~0.3，这导致损耗减少，val_损耗在~0.4 0.
我没有考虑的是什么？这是否意味着数据集的改进不能超过这一点？“这是否意味着数据集的改进不能超过这一点？”一般来说，是的。正如我读过他们的论文，他们的EER可以达到7%，我认为这意味着他们已经达到了更好的准确性，至少在测试集上优于85%。顺便说一句，他们用的是3D修道院，我也试了几千次@theguy，但听起来你的模型不够复杂，无法捕捉数据。尝试使用一些非常复杂的模型，看看是否可以过度适应训练数据，然后逐渐降低复杂性，并观察验证错误。@carobnodrvo您建议使用什么体系结构？用我的数据训练VGG16体系结构是个好主意吗？@MohammadSiavashi是的，VGG是我首先要尝试的。