Tensorflow 低精度颜色分类

我正在做一些基于颜色的图像分类实验。我有一个9000个鞋子图片的数据集，按9种颜色分类，每种颜色1000个图片

我学习了TensorFlow的教程，获得了58.3%的准确率

然后我用SVCRBF分类器替换了最后一层，获得了65.4%的准确率

有些错误是很有争议的。例如，此图像真实标签为棕色，但我的分类器显示为米色：

但其他错误只是错误。此图像真实标签为粉红色，但我的分类器显示为蓝色：

---

如何提高准确性？更多图片？从头开始培训Inception网络？使用标准ML而非深度学习？

Inception是一个NN模型，创建该模型是为了根据图像中的项目将图像分配给某个预定义的类。它依赖于许多池/卷积层来完成这项工作，并从较低级别的边缘到较高级别的眼睛构建功能

尽管如此，这是一个复杂而强大的模型，它不能做任何事情。再培训仅适用于类似的任务，如分类不同类型的汽车，区分狗/猫或花。你不能用两个数字来问它是在吃还是在喝

问问自己，如果你想了解鞋子的颜色，知道边缘是否是最好的选择。很可能不是，但是每种颜色在这张图像中出现的次数可能更重要

所以我会尝试清理图像，只以鞋子为中心，然后尝试逻辑回归